Nueva versión de VOSviewer opera directamente con Crossref

Visualizando datos de citas disponibles de forma gratuita utilizando VOSviewer

Nees Jan van Eck, Ludo Waltman
CWTS

Hoy lanzamos la versión 1.6.6 de nuestro software VOSviewer para construir y visualizar redes bibliométricas. La nueva característica más importante en esta versión es el soporte para trabajar con datos Crossref. Recientemente, la Initiative for Open Citations (I4OC) logró convencer a un gran número de editoriales científicas para que las listas de referencias de publicaciones en sus revistas estuvieran disponibles gratuitamente a través de Crossref. Gracias a I4OC, Crossref se ha convertido en una valiosa fuente de datos para los usuarios de VOSviewer. En esta publicación de blog, discutimos cómo los usuarios de la nueva versión 1.6.6 de VOSviewer pueden beneficiarse de los datos de Crossref.

Uso de datos Crossref en VOSviewer

Hay dos formas en que VOSviewer admite el uso de datos Crossref:

1. Un usuario de VOSviewer puede proporcionar un conjunto de DOI a VOSviewer. Usando la interfaz de programación de aplicaciones (API) de Crossref, VOSviewer descargará datos para las publicaciones correspondientes.
2. Un usuario de VOSviewer puede trabajar directamente con la API de Crossref para descargar datos y luego puede proporcionar los datos descargados como entrada a VOSviewer.

El primer enfoque es el más fácil, ya que no requiere que los usuarios trabajen directamente con la API de Crossref. Cuando los usuarios ya tienen DOI de las publicaciones que les gustaría analizar (por ejemplo, publicaciones incluidas en el sistema de información de investigación de su universidad), recomendamos utilizar el primer enfoque. El segundo enfoque es un poco más complejo, pero tiene la ventaja de ofrecer mucha más flexibilidad. Ahora exploraremos el segundo enfoque con más detalle.

Descargando datos usando la API Crossref

Para demostrar el uso de la API Crossref, recopilamos datos sobre publicaciones en dos revistas cienométricas, Journal of Informetrics y Scientometrics, en el período 2007-2016. En cada llamada API, se pueden obtener datos para un máximo de 1000 publicaciones. Por lo tanto, necesitamos hacer múltiples llamadas a la API. Elegimos hacer llamadas por separado para cada una de las dos revistas.

El número de publicaciones en el Journal of Informetrics en el período 2007-2016 es inferior a 1000. Por lo tanto, los datos para el Journal of Informetrics se pueden obtener en una sola llamada API. Para realizar esta llamada API, ingresamos la siguiente URL en un navegador web:

http://api.crossref.org/works?filter=issn:1751-1577,from-pub-date:2007-01-01,until-pub-date:2016-12-31&rows=1000

La URL especifica una solicitud para la API Crossref. La solicitud API incluye el número ISSN de Journal of Informetrics (es decir, 1751-1577), así como la fecha de inicio y la fecha de finalización del período de tiempo que nos interesa. El parámetro rows en la solicitud API indica que nos gustaría para recibir datos de hasta 1000 publicaciones. Al ingresar la URL anterior en un navegador web, hacemos una llamada a la API de Crossref solicitando datos sobre todas las publicaciones en Journal of Informetrics en el período 2007-2016. Después de esperar un tiempo, el navegador web presentará el resultado de la llamada API. Guardamos este resultado en un archivo llamado JOI.json. Este es el llamado archivo JSON.

Seguimos el mismo enfoque para Scientometrics. Sin embargo, Scientometrics es una revista más grande y, por lo tanto, debemos realizar tres llamadas a la API, cada una de las cuales da como resultado datos para un máximo de 1000 publicaciones. Utilizamos las siguientes URL:

http://api.crossref.org/works?filter=issn:0138-9130,from-pub-date:2007-01-01,until-pub-date:2016-12-31&rows=1000

http://api.crossref.org/works?filter=issn:0138-9130,from-pub-date:2007-01-01,until-pub-date:2016-12-31&rows=1000&offset=1000

http://api.crossref.org/works?filter=issn:0138-9130,from-pub-date:2007-01-01,until-pub-date:2016-12-31&rows=1000&offset=2000

Las tres llamadas API son idénticas, excepto que en la segunda y la tercera llamada usamos el parámetro offset para especificar que queremos obtener datos para un segundo y un tercer lote de publicaciones. Guardamos los resultados de las llamadas API en tres archivos JSON.

Ahora hemos dado una demostración simple del uso de la API Crossref. La API Crossref ofrece muchas más opciones. Para más información, nos referimos a la documentación de la API.

Creando visualizaciones bibliométricas basadas en datos Crossref

Primero utilizamos los datos de Crossref descargados para visualizar una red de coautoría de investigadores en el campo de la cienciometría. En el asistente Crear mapa en VOSviewer, elegimos la opción Crear un mapa basado en datos bibliográficos. En el segundo paso del asistente, vamos a la pestaña Crossref JSON, donde seleccionamos los cuatro archivos JSON descargados. Después de elegir realizar un análisis de coautoría, simplemente usamos las elecciones predeterminadas en los pasos restantes del asistente. La visualización de la red de coautoría resultante se presenta a continuación.



A continuación, usamos nuestros datos Crossref para visualizar una red de publicaciones de acoplamiento bibliográfico en el campo de la cienciometría. Dos publicaciones tienen un enlace de acoplamiento bibliográfico si tienen una o más referencias en común. Nuevamente elegimos la opción Create a map based on bibliographic data en el asistente Create Map . Después de seleccionar nuestros cuatro archivos JSON, elegimos realizar un análisis de acoplamiento bibliográfico a nivel de documento. Utilizamos las opciones predeterminadas en los pasos restantes del asistente, lo que significa que nuestra red de acoplamiento bibliográfico incluye las 500 publicaciones con el mayor número de enlaces de acoplamiento bibliográfico. La visualización de la red se muestra a continuación.



El examen de la red de acoplamiento bibliográfico puede revelar algo inesperado. Las 500 publicaciones incluidas en la red de acoplamiento bibliográfico han aparecido todas en Scientometrics. La red no incluye publicaciones de Journal of Informetrics. Esto demuestra una importante limitación de los datos Crossref. Gracias a I4OC, muchos editores hoy en día hacen que las listas de referencias de publicaciones en sus revistas estén disponibles a través de Crossref. Sin embargo, algunos editores no (¿todavía?) Participan en I4OC. Este es también el caso de Elsevier, el editor de Journal of Informetrics. Debido a que las listas de referencias de publicaciones en Journal of Informetrics no están disponibles a través de Crossref, las publicaciones de esta revista no se pueden incluir en un análisis de acoplamiento bibliográfico basado en datos de Crossref.

Ejemplo a gran escala

Ahora hemos proporcionado ejemplos relativamente pequeños del uso de datos Crossref en VOSviewer. También es posible utilizar datos Crossref a una escala mucho mayor en VOSviewer, pero esto requiere un esfuerzo significativo en el preprocesamiento de los datos. Para ilustrar el uso a gran escala de datos Crossref, utilizamos los datos para visualizar una red de citas de 5000 revistas de todos los campos de la ciencia.

Usando la API Crossref, descargamos datos para todas las publicaciones en el período 1980-2016. La cantidad de datos era muy grande y, por lo tanto, era necesario preprocesar los datos para poder proporcionarlos como entrada a VOSviewer. Los datos se almacenaron en una base de datos relacional. Usando esta base de datos, identificamos todas las revistas (así como las actas de congresos y las series de libros) que tienen al menos 100 publicaciones para las cuales hay una lista de referencias disponible. Luego construimos la red de enlaces de citas entre las revistas identificadas. La dirección de un enlace de citas fue ignorada, por lo que no se hizo distinción entre una cita del diario A y el diario B y una cita del diario B del diario A. La red de citas del diario se guardó en un archivo de red VOSviewer y se utilizó este archivo como entrada para VOSviewer. En VOSviewer, se seleccionaron las 5000 revistas con el mayor número de enlaces de citas con otras revistas y se visualizó la red de citas de estas 5000 revistas. La visualización resultante se presenta a continuación. Se puede abrir una visualización interactiva en VOSviewer haciendo clic aquí.



La visualización muestra una estructura de la ciencia que es bien conocida a partir de visualizaciones bibliométricas a gran escala anteriores, que se basaron en datos de Web of Science o Scopus. Las revistas de matemática, informática e ingeniería se pueden encontrar en el centro del área inferior de la visualización. Las revistas de ciencias físicas se ubican en el área derecha de la visualización, mientras que las revistas de ciencias biológicas y de vida se encuentran en el área superior. Finalmente, las revistas de ciencias sociales se ubican en el área inferior izquierda de la visualización. Algunas revistas importantes faltan en la visualización. Estas revistas tienen un editor que no participa en I4OC y que no hace que las listas de referencias de publicaciones estén disponibles a través de Crossref.

Conclusión

Gracias a I4OC, Crossref se ha convertido en una fuente valiosa de datos de citas disponibles gratuitamente. Los datos de citas de Crossref se pueden utilizar para muchos propósitos, incluido el análisis y la visualización de redes de citas de revistas, investigadores y publicaciones individuales. La versión 1.6.6 de VOSviewer proporciona soporte directo para el uso de datos Crossref para visualizar redes de citas. Esperamos que esta nueva funcionalidad de VOSviewer ofrezca una demostración convincente del valor de los datos de citas disponibles gratuitamente. Alentamos a los editores que aún no participan en I4OC a unirse a la iniciativa y a que las listas de referencias de publicaciones en sus revistas estén disponibles de manera gratuita.

Estrategias de visualización de redes históricas

Análisis de redes históricas: estructuras complejas y organizaciones internacionales

Martin Grandjean |



Grandjean Martin,
Analisi e visualizzazioni delle reti in storia : l’esempio della cooperazione intellettuale della Società delle Nazioni,
Memoria e Ricerca, 25, 2, 2017, 371-393.

 Italian original paper ( PDF)
  French full preprint ( PDF)
  English summary* ( HTML)

"Redes" históricas

Confrontada con la masificación de los datos y la aceptación de cuestiones cada vez más globales, la historia de las organizaciones internacionales se ocupa de objetos cada vez más complejos. Y si el término "red" se usa ampliamente en la investigación histórica, es porque parece ser eficaz describir estas estructuras enredadas, evolutivas y de múltiples niveles. Basado en un análisis de decenas de miles de documentos de archivo de la "Cooperación Intelectual" de la Liga de las Naciones en la década de 1920, este artículo cuestiona el valor del análisis formal de redes y la visualización de datos como una herramienta exploratoria. Desde la red utilizada como metáfora hasta la compleja red de metadatos de archivo, a través de la red dibujada sobre la base de informaciones encontradas en fuentes heterogéneas y la red extraída del contenido de los documentos, este artículo establece una tipología que describe cuatro niveles de red formalización y muestra cómo se pueden articular estos niveles.

Una tipología de usos

  Aquí hay una descripción general muy (demasiado) rápida de las 3 categorías principales.

La red reconstituida

La red "reconstituida" (o "dibujada") es una infografía, información traducida en una imagen que tiene las características visuales de una red. Por lo tanto, no se trata de una visualización de datos, ya que no hay un trabajo sistemático sobre los datos y el resultado no es producto de un cálculo, sino un dibujo que será útil para comprender fácil o rápidamente una situación compleja. El resultado es, por tanto, producto de la interpretación de fuentes múltiples, generalmente secundarias y heterogéneas, de las que el historiador obtiene fragmentos de información complementaria: la compilación de estos bits en una única representación gráfica hará más comprensibles las relaciones entre sus elementos. A menudo, es una imagen deliberadamente simplificadora con fines explicativos. En términos de estructura, es probable que la red reconstituida sea una estructura de árbol, un diagrama de flujo donde los elementos jerarquizados tienen más relaciones verticales que horizontales o una red social muy pequeña.
 Nuestro ejemplo aquí es el organigrama de la Liga de las Naciones en 1930 basado en docenas de informes.

La red de las fuentes

La red "de las fuentes" ya no se trata de recolectar información para reconstituir una red poco a poco, sino de dibujar el gráfico directamente desde el contenido de los documentos, a menudo fuentes seriales o corpora homogénea: listas de miembros de movimientos políticos, registros familiares , mesas de bolsa, directorios de empresas, etc. Este enfoque implica un fuerte acto de modelado: una elección en el tipo de relaciones que queremos analizar. Ya no recopilamos todos los tipos posibles de relaciones entre un grupo de individuos, pero nos enfocamos en una relación bien definida que permitirá un análisis formal.
 Nuestro ejemplo aquí es el mapeo de todos los empleados de la Liga de las Naciones según su (s) departamento (es) entre 1919 y 1939.

La red de metadatos

La última etapa de nuestra tipología se refiere a las redes que ya no se derivan del contenido de las fuentes pero que mapean la circulación de las fuentes mismas. Estar interesado en los metadatos de un documento es considerar que es posible suponer que, sea cual sea su contenido, es el testimonio de una relación entre individuos o instituciones. Las redes de metadatos posibilitan, por ejemplo, reemplazar un intercambio de correspondencia entre dos personas en el contexto de todos los intercambios que mantienen con otros corresponsales. Esta "lectura distante" es un medio de comparar la estructura concreta de su intercambio con la estructura aparente y oficial que rige jerárquica o simbólicamente las relaciones entre estos individuos.
 Nuestro ejemplo aquí es la red de co-indexación de todos los actores de los documentos del Comité Internacional de Cooperación Intelectual de la Sociedad de las Naciones entre 1919 y 1927.

Mejorar el análisis combinado de varios tipos

Los tres niveles de formalización presentados anteriormente se pueden aplicar al mismo objeto histórico y así aportar puntos de vista complementarios. Pero también se pueden agrupar en una sola visualización de niveles múltiples. Al analizar una organización internacional compleja, la circulación de documentos se puede comparar con la afiliación formal de las personas afectadas. Estas personas también pueden organizarse de acuerdo con la "geografía institucional" de la institución que permite ver las relaciones entre los diferentes polos de manera más explícita que en una red de "bola de pelo".

Análisis bibliográfico de las publicaciones de Northampton Computing

Actualización sobre el análisis bibliográfico de la informática

Computing in Northampton

He tenido curiosidad sobre las herramientas para analizar las conexiones sociales por un tiempo.

En este post, estoy buscando un par de maneras de analizar las relaciones bibliográficas. Comenzando con las nubes de palabras más simples, pero luego con una herramienta interesante que VosViewer discutió previamente. Todos los datos son tomados del Depósito de Investigación de la Universidad de Northampton - Nectar, para miembros del equipo académico de Computación.

Nubes de palabras

La imagen anterior se basa en datos de todas las publicaciones enumeradas para el equipo informático desde 2011. Incluye los autores, el título, la conferencia, etc. pero no abstracto Se necesita bastante edición y realmente todo lo que se muestra es el nombre de los autores para la mayoría de los autores publicados y algunos términos clave. Proporciona una buena instantánea, pero es difícil de interpretar.

Análisis del coautor

Aquí están los mismos datos, pero se procesaron utilizando un software que solo mira a los autores y muestra cuántas veces se ha publicado un par en particular. Se pueden ver algunas interconexiones entre los autores. Ahora hay conexiones entre todos los autores principales (miembros del equipo de computación).



Las publicaciones en coautoría con estudiantes de maestría están generando mayores oportunidades para unir investigaciones.

Análisis de texto

Esta es la misma herramienta que la anterior, pero esta vez mirando el texto dentro del título y los resúmenes. Todas las palabras en el título y resumen de los trabajos; pero usando el recuento binario (por lo que un término solo se cuenta una vez por publicación) y permitiendo solo los términos con un 60% de relevancia más alta hasta; puedes obtener un gráfico como el siguiente. Personalmente, creo que el grafo es hermoso, da la sensación de que están sucediendo muchas cosas.





Un área temática interesante que sale; por ejemplo, redes inalámbricas y comunicación de máquina a máquina; junto con investigación pedagógica, cultural y sensores para animales.


Vamos a aplicar este último enfoque a algunos casos individuales

Estudio de caso 1: Carrera académica de Investigación media

Caso de estudio 2: Carrera académica de mitad de carrera 

En ambos casos de estudio 1 y 2, hay varias agrupaciones. Estudio de caso 1 los sujetos en las agrupaciones son más diversos que en el caso de estudio 2, que tiene una mayor especialización.

Caso de estudio 3: Investigador de carrera temprana

Mayor separación en los grupos (aunque tres grupos están relacionados en términos de tema) que en los dos primeros casos. Esto se debe en parte a la menor cantidad de documentos en comparación con los dos primeros estudios de casos (entre cuatro y ocho veces menos).

Caso de estudio 4: Doctor por Candidato a la Publicación

Hay una mayor interrelación entre los grupos, que en otros estudios de casos. Esto, yo diría, es una característica positiva para alguien que busca un doctorado por publicación; sugiriendo una "historia" coherente a sus publicaciones.

Trazando las citas de los trabajos de un autor

Usando GEPHI (https://gephi.org/), se puede visualizar una herramienta gratuita de visibilización de Open Graph y datos de citación de Google Scholar e interconexiones.




El enfoque adoptado aquí fue tomar un documento individual (los blogs más grandes) y hacer una conexión con todos los documentos que lo citaron (los blogs más pequeños donde los documentos no produjeron el autor). Los grupos pueden comenzar a verse, y pueden investigarse más a fondo.

Nuevo importador de archivos CSV en Gephi

Gephi 0.9.2: un nuevo importador de CSV

Gephi Blog

¡Se ha lanzado una nueva versión de Gephi! Gracias a la implacable resolución de problemas de Eduardo, la estabilidad general de Gephi se ha mejorado. Eduardo es el autor del Laboratorio de Datos, y en esta ocasión renovó su importador CSV para una experiencia de usuario más flexible y directa.

El nuevo importador CSV / hoja de cálculo

¿Sabía que Gephi puede exportar e importar solo la tabla de nodos o la tabla de bordes? Esta característica es útil en muchas situaciones, por ejemplo para producir gráficos en Excel o para limpiar datos en Open Refine. A continuación, mostraremos las nuevas funciones y, en términos más generales, explicaremos cómo importar una hoja de cálculo como una lista de nodos.

Para importar una hoja de cálculo, debe llegar al Laboratorio de datos y hacer clic en Importar hoja de cálculo. En el siguiente ejemplo, una red ya está cargada: más tarde decidiremos si los nodos importados se fusionarán con los existentes o no.



Gephi ahora puede reconocer el tipo de archivo que carga, y se ha agregado la compatibilidad de los archivos de Excel. Elegir el separador correcto es crucial ya que las columnas separadas incorrectamente comprometerían los datos. En el siguiente ejemplo, Gephi reconoció que el separador es la coma (como en un archivo CSV con el formato correcto).



La codificación del archivo es un problema común, especialmente con idiomas que usan acentos y caracteres especiales. Gephi puede adivinar la codificación y puede editarla manualmente si es necesario. En el siguiente ejemplo, Gephi adivinó correctamente la codificación UTF-8.



Seleccionar una codificación diferente produciría errores. Afortunadamente, la tabla Vista previa le permite verlos y corregir la codificación. En la captura de pantalla siguiente, vea cómo la codificación incorrecta produce caracteres exóticos en los datos.



Cuando valida estas configuraciones, Gephi ahora abre exactamente el mismo panel que cuando abre una nueva red. Personalmente, me encanta esta adición ya que aporta más consistencia a la experiencia del usuario. Le permite a Gephi proporcionar una cantidad de información útil, como la cantidad de nodos detectados o los problemas encontrados durante el proceso de importación.



No se pierda una característica importante aquí: en este panel, decide crear un nuevo espacio de trabajo con los datos importados o fusionar los nuevos nodos con los antiguos. Esta característica muy útil ya estaba presente en la apertura de una nueva red, pero muchos usuarios todavía ignoran que existe. Tenga en cuenta que debe seleccionar la opción Agregar si tiene la intención de fusionar los nodos. En ese caso, cuando un nodo importado tiene el mismo Id que uno ya presente, los nuevos datos del nodo anularán el anterior.

Más información

Eche un vistazo a la lista completa de mejoras allí:
https://github.com/gephi/gephi/releases/tag/v0.9.2

¿Cómo obtengo este lanzamiento?

Si tiene un Gephi reciente, la actualización se le propondrá automáticamente
Si tiene una versión anterior (0.8 o anterior), debe descargarla e instalarla manualmente.
Esta actualización se puede descargar de http://gephi.org

La corbata de moño que nos une a todos

¿Qué tan cerca estás?

Un diagrama de su red social revela la fortaleza de sus relaciones individuales, dicen los científicos de la red.

por Emerging Technology del arXiv

La red de enlaces entre individuos -su red social- ha fascinado a los científicos sociales por mucho tiempo. Estas redes no son aleatorias ni completamente ordenadas. En cambio, ocupan un término medio en el que las personas están estrechamente vinculadas con unas pocas personas que conocen bien, con vínculos más débiles con un grupo más grande de amigos y compañeros de trabajo, además de vínculos extremadamente débiles con una amplia gama de conocidos casuales.

Los científicos sociales miden la fuerza de estos enlaces utilizando una variedad de indicadores, como la frecuencia con que una persona llama a otra, si esa llamada es recíproca, el tiempo que las dos personas pasan hablando, y así sucesivamente. Pero estos indicadores a menudo son difíciles de medir y toman mucho tiempo.

Entonces, a los teóricos de la red les encantaría tener alguna manera de medir la fuerza de los vínculos desde la estructura de la red misma.


La estructura de pajarita en una red social revela la fuerza de las amistades.

Hoy, obtienen su deseo gracias al trabajo de Heather Mattie en la Universidad de Harvard en Massachusetts y algunos amigos, que dicen haber encontrado un patrón especial en los vínculos entre las personas que revela la fuerza de los lazos entre ellos. El patrón forma una estructura topológica que se asemeja a una pajarita.

El método del equipo es directo. Mattie y su equipo estudian la fuerza de los enlaces en dos redes sociales desde entornos muy diferentes.

El primero es la red de enlaces entre casi 70,000 personas en 75 aldeas rurales en India. Los científicos sociales reconstruyeron la red mediante encuestas diseñadas para recopilar información social relevante. Esta encuesta preguntó qué amigos y parientes visitan la casa del demandado, de qué personas tomaría prestado el demandado o recibiría consejo médico o iría al templo, y así sucesivamente.

Esto permitió a los investigadores reconstruir una red social que consta de 37,000 bordes entre 17,000 personas para quienes tenían información completa. Luego usaron el número de enlaces sociales de las encuestas como una medida de fortaleza para los lazos sociales entre las personas. Entonces, si dos personas eran parientes que se visitaban en casa, iban juntos al templo y se prestaban dinero, cada uno de estos factores contribuiría al vínculo entre ellos.

Mattie y compañía también construyeron la red social entre usuarios de teléfonos móviles de un país europeo sin nombre. Debido al tamaño de la red, el equipo eligió a 500,000 personas al azar y luego construyó la red social usando el número y la duración de las llamadas entre ellos. Supusieron que el vínculo era más fuerte si las llamadas eran recíprocas y si la cantidad total de tiempo dedicado a hablar era alta.

Luego, el equipo examinó la estructura de ambas redes. Para cada par de individuos, construyeron la red de amigos que tenían en común y la red de amigos que no tenían en común. Es esta estructura que se parece a una pajarita o corbata de moño (ver diagrama). Luego analizaron estas redes de pajarita.

Los resultados hacen una lectura interesante. El equipo descubrió que el número de amigos que los pares de individuos tienen en común está fuertemente correlacionado con la fuerza del vínculo entre ellos, medido de otras maneras. Eso es independientemente de si las personas están vinculadas por registros de teléfonos móviles o por las relaciones sociales en aldeas rurales de la India.

Este resultado captura los hallazgos de dos de los primeros investigadores que trabajaron en las redes sociales. El primero proviene de Elizabeth Bott, una influyente antropóloga que publicó un libro en 1957 llamado Family and Social Networks.

En este libro, formuló la hipótesis de que el grado de agrupamiento en la red de un individuo podría alejar a la persona de un vínculo con otra persona. En otras palabras, si formas parte de un grupo de amigos o parientes cercanos, eres menos capaz de establecer vínculos fuertes fuera de este grupo.

El segundo proviene de Mark Granovetter, un sociólogo estadounidense que en 1969 escribió un artículo de gran influencia llamado "La fuerza de los lazos débiles". En este documento, sugirió que cuanto más fuerte era el vínculo entre dos personas, mayor era la proporción de amigos que tenían. tener en común.

El marco de bow tie (corbata de moño) de lazos captura ambas ideas. "Ambos conjuntos de datos proporcionan evidencia para apoyar la hipótesis de los vínculos débiles y la hipótesis de Bott", dicen Mattie y compañía.

El nuevo hallazgo tiene implicaciones interesantes. Sugiere que debería ser sencillo medir la fuerza de los enlaces entre individuos, simplemente observando la estructura de su red social. "Esta estructura local permite análisis que son computacionalmente factibles para redes de cualquier tamaño", dicen Mattie y compañía.

Y debería permitir una prueba adecuada de la hipótesis original de Bott, que ella aplicó a las parejas y familias casadas. "Esto permitiría probar la versión original de la hipótesis de Bott, en lugar de una forma generalizada como la presentamos aquí", dicen Mattie y compañía.

El trabajo también muestra cómo las redes sociales pueden revelar más sobre las personas de lo que de otro modo podrían querer hacer público. El trabajo de Mattie implica que la forma de su red social revela no solo con quién es amigo sino qué tan fuertemente está vinculado a ellos. No todos estarán felices con eso.


Ref: arxiv.org/abs/1710.04177 : The Social Bow Tie

1710 04177

Lire plus de publications sur Calaméo

El cerebro solo puede gestionar cinco mejores amigos

Tu cerebro te limita a solo cinco MAPS

El número de personas con las que podemos tener contacto significativo está limitado por el tamaño de nuestros cerebros. Ahora este grupo parece estar subdividido en capas, dicen los antropólogos.

por Emerging Technology desde el arXiv

En la década de 1990, el antropólogo británico Robin Dunbar notó una notable correlación entre el tamaño del cerebro de los primates y los grupos sociales que formaron. Esta correlación fue simple: cuanto más grande es su cerebro, más grandes son sus grupos sociales. Y la explicación parecía razonable: los animales con cerebros más grandes pueden recordar, y por lo tanto interactuar de manera significativa con, más de sus compañeros.

Eso llevó a Dunbar a una famosa predicción. Al trazar la correlación y extrapolar la curva al tamaño del cerebro humano, predijo que los humanos no podrían tener más de 150 personas en su esfera social.

Él y muchos otros han ido a encontrar mucha evidencia del número de Dunbar en el tamaño de las sociedades de cazadores-recolectores, legiones romanas y negocios efectivos. El número de Dunbar incluso se ha demostrado que se mantiene en las redes sociales modernas. Los humanos realmente parecen tener un límite natural al número de relaciones significativas que pueden tener. Y este número es de unos 150.



En los últimos años, Dunbar ha tomado su idea más lejos teniendo en cuenta la cercanía emocional entre los individuos. Esto le ha llevado a la idea de capas de Dunbar: que el grupo de 150 contactos de un individuo está dividido en capas de acuerdo con la fuerza de los lazos emocionales.

Los individuos, dice, generalmente tienen hasta cinco personas en la capa más cercana. La siguiente capa más cercana contiene un 10 adicional, el más allá que un 35 adicional, y el grupo final otro 100. Por lo tanto, acumulativamente, las capas contienen cinco, 15, 50 y 150 personas.

Sin embargo, la evidencia de este tipo de capas en grupos sociales ha sido difícil de recopilar. Hoy en día, Dunbar, que está en la Universidad de Oxford en Estados Unidos, y algunos amigos, dicen que encontraron pruebas de capas de Dunbar en un conjunto de datos masivo de llamadas de teléfonos móviles. Y los números proporcionan una curiosa idea de la naturaleza del contacto social humano.

El nuevo conjunto de datos consta de unos seis mil millones de llamadas realizadas por 35 millones de personas en un país europeo anónimo a lo largo de 2007. El equipo asume que la frecuencia de las llamadas entre dos individuos es una medida de la fuerza de su relación.

Para eliminar las llamadas comerciales y las llamadas casuales, Dunbar y co incluyen solo a las personas que realizan llamadas recíprocas y se centran en las personas que llaman a al menos otras 100 personas. Eso excluye a las personas que no usan teléfonos móviles con regularidad para llamar a contactos sociales.

Eso deja a unas 27,000 personas que llaman en promedio a otras 130 personas. Cada una de estas personas realiza 3.500 llamadas por año, aproximadamente 10 por día. El equipo dice que la persona que hizo la mayor cantidad de llamadas a otra persona llamó más de 15,000 veces. En promedio, eso es más de 40 llamadas por día durante todo un año. Eso seguramente está cerca de un límite superior.

El equipo también señaló que 2007 es un buen año para buscar capas de Dunbar porque es anterior al uso generalizado de teléfonos inteligentes y redes sociales como Facebook. Estos brindan otras vías de contacto social que habrían hecho mucho más difícil el estudio.

El método del equipo es sencillo. Dunbar y compilar esta información contando el número de llamadas que cada individuo hace a sus contactos y usando algoritmos de agrupación para buscar patrones dentro de los resultados.

Pero los resultados hacen que la lectura sea interesante. Los diferentes métodos de agrupación dan resultados ligeramente diferentes, pero, sin embargo, el equipo dice que la capa acumulativa promedio resulta ser de 4.1, 11.0, 29.8 y 128.9 usuarios.

"Estos números son un poco más pequeños que los números convencionales para las capas de Dunbar, pero dentro de su rango natural de variación", dicen. Los números podrían ser más pequeños porque los datos del teléfono móvil capturan solo una parte de las interacciones sociales totales de una persona.

El equipo también encuentra alguna evidencia de una capa adicional entre algunas personas. "Esto podría, por ejemplo, significar que los introvertidos y los extrovertidos tienen un número diferente de capas de amigos", sugieren. Pero, curiosamente, los extrovertidos, mientras tienen más amigos, todavía tienen un número similar de capas.

En total, el estudio muestra buena evidencia de la existencia de las capas más internas y externas, pero con cierta variabilidad para el tamaño de las capas intermedias. "La agrupación produce resultados que coinciden bien con los estudios previos para las capas más internas y externas, pero para las capas intermedias observamos una gran variabilidad", dicen.

Cosas interesantes. Quizás lo próximo que vean será si la evidencia similar surge del estudio de redes sociales en línea como Facebook, Instagram, etc., que podría permitir estudios más matizados.


Ref: arxiv.org/abs/1604.02400 : Calling Dunbar’s Numbers

Antiguos evitaron incesto mediante redes de citas

Para evitar la endogamia, nuestros antepasados ​​pueden haber tenido sus propias antiguas redes de citas 

Por W. Harry Fortuna  |  Quartz



Aunque hay notables excepciones -el Egipto romano, por ejemplo- el incesto ha sido muy elevado en la escala humana de censura moral a través de la mayor parte de la historia humana registrada. ¿Pero qué hay antes de eso?
Cuando nuestros antepasados ​​lejanos vagaron por África para diseminarse en el mundo hace alrededor de 50,000 años, lo hicieron en pequeñas bandas de tribus nómadas separadas por cientos, si no miles, de millas. Las grandes distancias entre ellos han llevado a los eruditos a creer que la endogamia era inevitable. Pero una investigación publicada la semana pasada en la revista Science apunta a la posibilidad de que nuestros antiguos antepasados ​​no solo hayan comprendido los peligros de la endogamia sino que también hayan implementado sistemas complejos de intercambio de apareamientos entre redes más grandes de tribus para evitarlo.
Eske Willerslev, de las universidades de Cambridge y Copenhague, y el más cercano al estudio de la genómica antigua, llega a ser una estrella de rock de buena fe (paywall), fue el autor principal del estudio. Él y un equipo de expertos internacionales extrajeron ADN de las tumbas de cuatro ancianos, un hombre, una mujer, un niño y una niña que se encuentran en el sitio Sunghir en Rusia, que data de alrededor de 34,000 años atrás. Los investigadores se sorprendieron al descubrir que, genéticamente hablando, ninguno de los restos analizados mostraba una relación con ninguno de los otros en el sitio más cercano que el de los segundos primos; Esto incluye a los dos niños que fueron enterrados cabeza a cabeza en la misma tumba, que durante mucho tiempo se pensó que eran hermanos.
La secuenciación genética de un neandertal de hace 50,000 años que se encontró en las montañas de Altai en 2008 sugiere que la endogamia no se evitó en ese grupo, y la falta de variación genética se ha considerado como un posible factor en su extinción. Pero se necesitan más pruebas para determinar si los neandertales no se preocuparon lo suficiente como para evitar la práctica, o fueron forzados a ello por las circunstancias.
Por lo tanto, es posible que nuestra ancestral comprensión de la endogamia sea la razón por la cual nuestra especie sobrevivió y otras especies de homínidos desaparecieron.
La variedad de objetos rituales encontrados enterrados con cada uno de los cuerpos -lo que Willerslev llamó "increíble" y "a diferencia de todo lo encontrado con otros humanos arcaicos" -sugiere alguna forma de colectivismo, lo que puede significar diferentes afiliaciones tribales, o a quién evitar como compañero , o incluso la existencia de rituales matrimoniales tempranos; esto implica la variedad que los investigadores encontraron en el código genético de los enterrados no fue accidental.
Willerslev cree que estos primeros humanos "deben haber desarrollado un sistema para este propósito", dijo en un comunicado publicado con el estudio. "Si las pequeñas bandas de cazadores-recolectores se mezclaran al azar, veríamos mucha más evidencia de endogamia que nosotros". Y en la competencia mundial por la supervivencia, un rechazo temprano del incesto puede haber marcado la diferencia.