viernes, 6 de febrero de 2015

Centralidad de redes en una comunidad de pacientes

La dinámica de una comunidad de pacientes de Twitter - Análisis de Centralidad de Red
Audun Utengen, MBA
Symplur




En nuestro post anterior vimos el crecimiento de conversaciones centradas en el paciente en Twitter identificadas visualmente en nuestra base de datos de atención médica como los nodos verdes. Esta vez, vamos a hacer un zoom sobre una de estos nodos verdes para tomar una mirada más cercana a la naturaleza dinámica de estas comunidades.

Lo que va a ver en el vídeo a continuación es un análisis de centralidad red dinámica de las conversaciones dentro de la comunidad #rheum durante el mes de agosto de este año. Durante los primeros segundos podrás ver las conversaciones de toda la mes todos juntos, que le da una visión rápida de lo vasto, complejo y hermoso estas comunidades son.

Después de este vistazo podrás ver todas las conversaciones de forma dinámica con el tiempo a medida que ocurren. En el video, uno segundo representa alrededor de seis horas. Un nodo de color rosa representa un miembro de esta comunidad, ya que están participando en las conversaciones o los arrastran al las conversaciones por que se hace referencia o mencionadas. Cuanto mayor sea el nodo, el que el miembro más central o influyente es a esta comunidad. Un vínculo verde entre dos nodos de color rosa significa una conversación, una interacción directa entre los dos a medida que ocurren. Cuanto más grueso es el enlace, más fuerte es la conversación o la interacción entre ellos está.



Una comunidad, muchas conversaciones - aprender de análisis centralidad red

Al igual que muchas otras comunidades de la vida real, no puede haber muchos miembros y participantes, pero en un período de tiempo dado, algunos son más centrales que otros. Usted puede llamar influyentes, instigadores, líderes pensado tal vez incluso, o simplemente pasar a ser parte del tema para el día.

Varias de estas personas se pueden identificar en este visual, y uno de los principales individuos de esta duración es claramenterawarrior (Kelly Young). Kelly es una persona increíble, un ePatient, y un moderador de la maravillosa artritis reumatoide / enfermedad autoinmune reumatoide pío #rheum semanal de chat.

Otro nombre familiar se presenta con una gran intensidad, pero sólo por un corto tiempo. Como sucedió,mayoclinic (Clínica Mayo) publicó los resultados de un estudio de investigación relevantes para la comunidad #rheum durante este mes. A partir del análisis centralidad red se puede ver cómomayoclinic se tira en la conversación por un gran número de personas. Curiosamente, se puede observar que esas mismas personas no son los "regulares" de la comunidad #rheum. Un simple análisis de clúster probablemente identificar varias subculturas dentro de esta comunidad, el "mayo" -grupo es uno de ellos.

La creación de significado y estructura dentro del ruido

Hemos planteado la cuestión en nuestro post anterior: ¿por qué los pacientes quieren usar Twitter - una red social carente de privacidad? Aunque el análisis de centralidad de la red registrada en este video es pura matemática y los números, todavía podemos observar como dinámica, orgánica y real de las interacciones estamos en esta comunidad.

De todas las diferentes opciones en la comunidad de pacientes en línea, no tiene Twitter ciertos atributos que mejor se asemejan a algunas comunidades del mundo real? Tal vez se podría sugerir que muchos se sienten atraídos por el "-timeness real" de Twitter como una plataforma de publicación y comunicación (libro <Diario <Article <Blog <Tweet). También podríamos sugerir que Twitter tiene rasgos fuertes "orgánicos". Twitter es en cierto sentido una locura no estructurada. Pero al igual que en el caos de la vida real, la gente crea significado y estructura dentro del ruido. Las reglas son pocas y están hechas a medida que avanza. Comunidades se crean en un impulso del momento. Algunos último, otros se desvanecen.

¿Qué más podemos aprender acerca de los miembros de estas comunidades? En nuestro próximo post, vamos a ver más de cerca a los participantes de una de estas Twitter comunidades centradas en el paciente, tratando de reducir parte de la complejidad de este análisis centralidad de la red con una mayor segmentación.

martes, 3 de febrero de 2015

Emerge el grafo comercial

El ascenso de los grafos sociales para los negocios
Sangeet Paul Choudary - Harvard Business Review


Si usted es un usuario de las redes sociales con experiencia, entonces ya ha descubierto que el conocimiento de una herramienta como Facebook es capaz de reunir acerca de sus conexiones sociales no sólo es valioso para usted. Para usted, la capacidad de Facebook para representar a su red de amigos y la variable fortaleza de esas relaciones es compatible con todo tu intercambio de información mutua. Para otros - terceros - este "grafo social" hace que sea posible hacer recomendaciones personalizadas a usted, y todos los demás. Por ejemplo, TripAdvisor aprovecha grafo social de Facebook para garantizar que, cuando usted está buscando comentarios sobre hoteles, restaurantes, etc., cualquier comentarios publicados por gente que conoces aparecerá en la parte superior.

Para las empresas de redes sociales, no tardaron en darse cuenta de que la última forma de creación de valor debe ser el foco real de sus modelos de negocio. Las primeras empresas como MySpace se centraron principalmente en la actividad social entre sus titulares de cuentas, trabajando para proporcionar mejores herramientas para ayudarles a gestionar sus relaciones. Las redes sociales de hoy en día ver las herramientas sociales no como su producto final, sino como un medio para la adquisición de datos. Facebook, en particular, vio la gran oportunidad en el "escape de la información" producido por toda la actividad que generaba el usuario para producir una capa de inteligencia de más alto nivel que podrían ser útiles para otros negocios. Habiendo graficado las relaciones e interacciones de sus usuarios, que podría ofrecer cualquier persona interesada en los usuarios el conocimiento para llegar a ellos con servicios altamente orientados.

Digamos, sin embargo, que usted es un negocio que le gustaría ver ese tipo de grafo social de interacciones entre las empresas y no sólo a las personas - tal vez porque usted vende a los clientes de otros negocios, o tal vez a causa de su necesidad de tratar con los proveedores. Todas las empresas operan dentro de sus propias redes de proveedores, socios, clientes, competidores y otras entidades - el término favorecido en estos días es hablar de sus ¿No que sea un espacio valioso para mapear "ecosistemas".?

Este es el siguiente paso en la evolución de la grafo social - llamémosla el surgimiento de la "grafo comercial" - y está sucediendo ahora. Los grafos comerciales representan las relaciones entre las empresas, en función de sus interacciones reales a medida que se capturan digitalmente. Y apoyan el intercambio de información muy relevante, de forma análoga al ejemplo TripAdvisor arriba. Los grafos comerciales ayudarán a las empresas a gestionar sus propias relaciones de asociatividad mejor, y también ayudar a terceros a los ecosistemas a comprender y detectar formas de hacer ofertas dirigidas a aquellos dentro de ellos.

Por supuesto, las empresas ya utilizan los proveedores y gestión de relaciones con los clientes herramientas para gestionar sus relaciones comerciales. Podríamos ver esto como algo análogo a la era de las redes sociales MySpace. Las herramientas ayudan a las empresas a gestionar sus interacciones individuales, pero no generan una capa superior de inteligencia para ayudar con el desarrollo de nuevos negocios o nuevo descubrimiento proveedor. No ofrecen visibilidad en las conexiones de otra empresa con otros negocios, o su reputación en base a una trayectoria en el trato con los demás. Mediante la adición de este nuevo nivel de visión, los grafos comerciales permitirán a las empresas conectarse mucho más eficiente.

Los grafos comerciales muestran visualmente tres cosas: las empresas en un ecosistema, las relaciones entre ellos, y la reputación que se han ganado a través de sus relaciones mutuas. Al igual que con los grafos sociales, la representación de la naturaleza y la fuerza de las relaciones entre las empresas se basa en datos reales de interacción. A diferencia de un grafo social, una empresa no tiene que optar explícitamente a unirse a una red para que pueda ser incluido en un grafo comercial. En cambio, sus conexiones con otros a menudo se pueden derivar de las interacciones grabadas por otras empresas.



La capacidad del grafo comercial para representar la reputación ganada de cada parte es su principal fuente de valor. La puntuación de reputación de una empresa se basa en su rendimiento a través de múltiples relaciones de negocios. Piense en TripAdvisor y Yelp, los cuales han reunido por ahora la entrada en tantas experiencias diferentes con un hotel determinado o restaurante que puedan presentar puntuaciones de reputación, y de hecho generar una capa reputación entera para hoteles y restaurantes. Es importante destacar, sin embargo, los grafos comerciales no dependen de que explícitamente (y subjetiva) las opiniones presentadas a través del mecanismo social. En su lugar, se basan en indicadores implícitos de calidad y rendimiento, que se pueden observar con objetividad en las interacciones de negocios entre empresas, y consistentemente ponderan en el marcador. Experiencias Universalmente le disgustan tales como cambio lento, retraso en la entrega, o el incumplimiento de pagos en coche puntuaciones de reputación inferiores.

Cuando se hace la agregación a través de una industria, estos datos se suman a los grafos comerciales que pueden ayudar a las empresas a evaluar el desempeño de sus relaciones comerciales vis a vis promedios de la industria. Ellos ayudan a los administradores a identificar nuevos socios y suministradores que puedan superar a los actuales. Y ayudan a las empresas comparar sus resultados con respecto a sus compañeros.

Pasemos ahora a la oportunidad que esto representa para el primer desarrollador del grafo comercial - el equivalente de Facebook - para una determinada industria. Ese negocio se convierte en un proveedor de la plataforma de gran alcance, y establece una ventaja fuerte, sostenible. Sí, el software puede ser fácilmente replicado, y una mejor experiencia de usuario y la portabilidad de datos fácil potencialmente puede tirar de los usuarios de distancia a un nuevo proveedor de la plataforma. Pero con la creación de un grafo comercial, los efectos de red de gran alcance patada en. Debido a que el valor de la herramienta se levanta para todos, con cada entrada de un nuevo participante, existe un interés común en que convergen en una plataforma en lugar de permitir dos a coexistir.

Así vemos los distintos proveedores de software que ya proporcionan las herramientas para gestionar las interacciones de negocios (como la contratación y facturación) se mueve rápidamente para capitalizar esta oportunidad. Empresas como Tradeshift, Procurify y SPS Commerce ya capturar los datos de interacción a través de sus herramientas de gestión de flujo de trabajo. Al igual que Facebook, que están reconociendo que el software no es el producto final, y en lugar de verlo como un medio para la adquisición de los datos para producir grafos comerciales valiosas.

Estos software como servicio (SaaS) de los proveedores están encendiendo los primeros ejemplos de la grafo comercial hoy. Pero no son los únicos ojeando esta nueva oportunidad. El Sales Navigator de LinkedIn muestra la intención de la empresa de ir más allá de la conexión de los profesionales a las empresas que conectan. Los emprendimiento de pago, como Square y nuevas empresas de gestión de flujo de caja como Pulse App también capturan datos de transacciones que puede ayudarles a trazar grafos comerciales para las pequeñas empresas.

Seguir viendo este espacio. En un mundo donde el comercio fluye en las redes, y la gente de negocios a idear estrategias cada vez más con la vista puesta en sus ecosistemas más amplios, el aumento de los grafos comerciales será rápida. Los necesitamos para crear la capa de inteligencia para las interacciones de mercado más eficientes y relaciones comerciales sanas.

lunes, 2 de febrero de 2015

Evolución de la coautoría en las presentaciones de la Reunión Anual de la AAEP

Evolución del número de autores implicados en coautorías


Trabajos presentados en la Reunión Anual de la Asociación Argentina de Economía Política de Argentina desde 1964 hasta 2014. Todas las publicaciones acumuladas agrupados por afiliación académica o laboral (primaria).



La crecimiento del número de economistas que escriben junto a colegas es muy marcada sobre todo en los últimos años. En la década del 60 de hecho hubo varias ediciones sin trabajos coautorados.



Hay mucha interacción entre universidades privadas, estatales y otros entes. Las principales centralidades de intemediación (Fernando Navajas), autovector (Leonardo Gasparini) y Pagerank (Walter Sosa Escudero) se hallan uno en cada grupo.


viernes, 30 de enero de 2015

Co-presencia de enfermedades: Las redes y la medicina

Redes revelan las conexiones de enfermedades
Enormes bases de datos de registros médicos han comenzado a revelar los errores biológicos ocultos que nos enferman.


Mapas de la red revelan conexiones moleculares ocultos entre las enfermedades dispares.
Agar Vardimon / Happy Fish Red para Quanta Revista


Por: Veronique Greenwood - Quanta Magazine

Stefan Thurner es un físico, no un biólogo. Pero no hace mucho tiempo, la cámara de compensación nacional de seguro médico austríaco pidió Thurner y sus colegas en la Universidad de Medicina de Viena para examinar algunos datos de ellos. Los datos, que resultó, fueron las reclamaciones médicas registros anónimos - cada diagnóstico realizado, cada tratamiento dado - de la mayoría de la nación, que cuenta con unos 8 millones de personas. La pregunta era si el mismo nivel de atención podría continuar si, como había ocurrido recientemente en Grecia, un tercio de la financiación se evaporó. Pero Thurner pensó que había otras cuestiones, más profundos que los datos podrían responder también.

En un artículo reciente en el New Journal of Physics, Thurner y sus colegas Peter Klimek y Anna Chmiel comenzaron observando la prevalencia de 1.055 enfermedades en la población general. Corrieron los análisis estadísticos para descubrir el riesgo de tener dos enfermedades juntas, identificar pares de enfermedades para las que el porcentaje de personas que tenían tanto fue mayor de lo que cabría esperar si las enfermedades estaban correlacionadas - en otras palabras, un paciente que tenía una enfermedad era más probable que la persona promedio para tener la otra. Ellos aplicaron correcciones estadísticas para reducir el riesgo de dibujo falsas conexiones entre enfermedades muy raras y muy comunes, como los errores en el diagnóstico conseguirán magnificado en dicho análisis. Finalmente, el equipo mostrará sus resultados como una red en la que las enfermedades son nodos que se conectan entre sí cuando tienden a ocurrir juntas.

El estilo de análisis ha descubierto algunos enlaces inesperados. En otro artículo, publicado en el sitio arxiv.org preprint científica, el equipo de Thurner confirmó una conexión polémica entre la diabetes y la enfermedad de Parkinson, así como los patrones únicos en el momento oportuno de los diabéticos desarrollan presión arterial alta. El documento en el New Journal of Physics genera conexiones adicionales que esperan investigar más a fondo.

Finalmente, Thurner y un creciente número de otros investigadores esperan usar estas redes de enfermedades para generar hipótesis acerca de cómo operan las enfermedades a nivel molecular. "¿Es esta enfermedad causada por un gen?", Dijo Thurner. "¿Está causada por un defecto en la red metabólica? ¿Se debe a cosas ambientales que afectan a ciertos genes? Cosas como esta. Este es el objetivo ".

Stefan Thurner analizaron los
registros médicos
anonimizados de toda Austria. 
Universidad Médica
de Viena / Matern
El trabajo está siendo impulsado por la comprensión de que las enfermedades, tal como se define en la medicina, suenan como entidades ordenadas, distintas, pero son más desordenado en la realidad. Enfermedades tienden a ser definidos por sus síntomas. Pero las raíces moleculares de una enfermedad pueden tener efectos biológicos que van mucho más allá de nuestra comprensión actual. Ciertas enfermedades tienden a seguir a otros o tienen altas tasas de comorbilidad, y aunque no está claro por qué, tal vez sea porque surgen de defectos biológicos relacionados.

"La idea es, las conexiones a nivel celular queda amplificado a nivel de población, y que emerge como comorbilidad", dijo Albert-László Barabási, físico de la Universidad del Noreste, que ha publicado varios trabajos emblemáticos en esta área, incluyendo un artículo de 2009 en PLoS Computational Biology que ayudó a inspirar Thurner, así como una revisión de 2011 del campo en Nature Reviews Genetics. Utilizando una red enfermedad, un investigador podría sugerir que los biólogos buscan nuevos genes de enfermedades comunes entre las enfermedades de uno y dos, por ejemplo, donde parece que hay una fuerte conexión.

Los biólogos suelen buscar las conexiones genéticas mediante el uso de estudios de asociación del genoma, que estadísticamente se asocian marcadores genéticos con la enfermedad. Pero en la Escuela de Medicina de Harvard, otro equipo de investigación está tratando de encontrar las mismas conexiones de mapeo de las redes de un tipo muy diferente: las redes moleculares en el trabajo en una celda.

Redes de vida

El interior de una célula hierve de actividad, como moléculas pequeñas, enormes proteínas y las hebras de ADN de lavado alrededor de la otra en sus quehaceres. El negocio de cada actor es un conjunto de otros actores - una proteína, por ejemplo, podría cortar pedazos fuera de otras proteínas, moléculas de ferry alrededor, o poner en marcha la fabricación de ADN. Toma sus señales de otros actores, que pueden hacer que funcione más rápido o más despacio o enviarlo a regiones distantes donde se necesita.

El funcionamiento de la célula puede tomar un carácter muy diferente si ni un solo miembro de esta red social molecular comienza a comportarse de manera extraña. En poco tiempo, el efecto dominó hacia el exterior de la falla inicial, causando problemas - enfermedad - en el nivel del organismo. Una enfermedad es en cierto sentido, sólo una expresión de la dinámica subyacente de esta estructura social. Thurner espera que sus redes de enfermedades con el tiempo pueden ayudar a descubrir algunos de estos defectos.

Y es aquí al final sub-microscópica de las cosas que Joseph Loscalzo, profesor de la Escuela de Medicina de Harvard y colaborador de largo plazo de Barabási de, es el mapeo de su propia red. Él y su equipo de inicio espigando datos de numerosas bases de datos en la que las proteínas interactúan entre sí y cómo. Luego, utilizando un modelo de computadora, que esbozan la red social dentro de una celda de media, que conecta los distintos genes y proteínas entre sí si llegan a interactuar. El equipo de Loscalzo ha construido un diagrama con 13.460 nodos de proteínas y 141.296 enlaces. (Estas interacciones probablemente representan sólo alrededor del 20 al 25 por ciento del total, Loscalzo dice, pero es un comienzo.) A continuación, se aíslan sólo los nodos que han sido estadísticamente vinculados a una determinada enfermedad. Ellos llaman a este conjunto de nodos del módulo enfermedad.


Una red de enfermedad humana traza las conexiones entre las enfermedades - si los pacientes que tienen una enfermedad tienden a tener también otro, los dos nodos de enfermedades están conectados. Olena Shmahalo / Quanta Magazine; fuente: Albert-László Barabási

Una red enfermedad humana traza conexiones entre las enfermedades - si los pacientes que tienen una enfermedad tienden a tener también otro, los dos nodos de enfermedades están conectados.
Un módulo de la enfermedad que han estudiado es la hipertensión pulmonar - la presión arterial alta en los pulmones, lo que puede causar insuficiencia cardíaca. Se miraron todas las vías moleculares que los estudios de asociación del genoma sugerían estaban involucrados. Luego estudiaron qué vías se vuelven más activos en modelos animales y en pacientes con hipertensión pulmonar bajo estrés. Su módulo de la enfermedad reveló que dos proteínas previamente vinculados a algunas formas de la enfermedad eran parte de la misma vía molecular y que trabajan juntos para causar errores en la proliferación celular, lo que puede estar relacionado con los síntomas de la enfermedad. Los investigadores publicaron sus hallazgos en la revista Pulmonary Circulation.

Otro módulo mira a la diabetes tipo 2. Los investigadores han relacionado la diabetes a alrededor de 200 lugares en el genoma a través de estudios de asociación del genoma. "Los primeros 18 o así de ellos son muy significativas, pero el último 182 o lo son sólo en el margen," dijo Loscalzo. Pero en el módulo de la enfermedad, estaba claro que algunos de esos 182 genes eran altamente concentradores conectados en la red social, un estado de cosas que un estudio de asociación del genoma solo no está equipado para revelar. "Hemos explorado tres de aquellos [genes] ahora, y ellos destacamos vías que habían creído periféricamente estar asociados con la diabetes pero nunca demostrado de ninguna manera cuidadosa", dijo.

Combinando redes moleculares de Loscalzo con Thurner y redes de enfermedades de Barabási ayudaría a crear un puente entre correlación y el mecanismo. Si las enfermedades comórbidas comparten redes moleculares superpuestos, los investigadores podrían utilizar las redes para comprender los mecanismos bioquímicos detrás de ellos. Estos dos tipos de redes, muy diferentes en la forma en que se construyen, están unidos sólo por la idea de que los datos pueden revelar conexiones que de otra forma pasarían inadvertidos. Pero juntos estas redes tienen el potencial de abrir nuevas puertas en el estudio de la enfermedad.

"Una vez que usted dibuja una red, que está dibujando hipótesis sobre un pedazo de papel", dijo Thurner. "Usted está diciendo, 'Wow, mira, yo no sabía que estas dos cosas estaban relacionados. ¿Por qué podría ser? ¿O es sólo que nuestro umbral estadístico no patear a cabo? '"En el análisis de redes, primero validar su análisis comprobando que recrea las conexiones que la gente ya se han identificado en cualquier sistema que se está estudiando. Después de eso, dijo Thurner, "los que no existían antes, esos son nuevas hipótesis. A continuación, el trabajo comienza realmente ".

Vale la pena recordar que ambas técnicas son todavía relativamente nuevo. Loscalzo puede desgranar formas en que sus resultados podrían ser defectuoso - el carácter incompleto extenso de los datos sobre las interacciones proteína-proteína es una preocupación importante, pero también lo son los métodos utilizados para recopilar los datos, que son el mejor momento posible, pero lejos de ser perfecto. Y Thurner y sus estudiantes todavía están reuniendo colaboradores en la biología que puede poner a prueba sus hipótesis. Después de que se publicaron sus primeros resultados a partir de la base de datos de hace un par de años, dijo Thurner irónicamente, "nosotros pensamos que habría un centenar de personas que se sientan en nuestra oficina", mirando a colaborar. Hasta ahora, la respuesta ha sido más de un hilo.

"No es indiscutible", dijo Andrey Rzhetsky, profesor de genética en la Universidad de Chicago con una formación en biología matemática que ha publicado en las redes de comorbilidad. "Algunas personas se sienten muy fuertemente sobre los conjuntos de datos grandes - casi hasta el punto de rechazo fanático de aceptar los resultados de análisis a gran escala". El argumento, explica, es que hay sesgos desconocidos en grandes conjuntos de datos. En el caso de bases de datos como de Thurner, estos sesgos se derivan de las diferentes formas médicos entran información en registros médicos, la forma en la etnicidad se tiene en cuenta, y así sucesivamente. Rzhetsky reconoce el peligro de sesgos, pero considera que no eliminan la utilidad de los datos, siempre y cuando los investigadores son cuidadosos con sus interpretaciones. "Yo creo que es la dirección para el futuro, pero es lejos de ser un problema resuelto", dijo. Estaba intrigado por el artículo en el New Journal of Physics. "El modelo es muy simple, pero la dirección es grande", escribió en un correo electrónico.

Loscalzo es consciente del escrutinio de sus colegas. "Cuando doy charlas sobre medicina de la red", dijo, "He recibido tres tipos de respuestas. En un extremo del espectro son generalmente los jóvenes ... que dicen que esto es una gran idea, yo no había pensado en esto antes. ... En el otro extremo del espectro, tengo gente de mi edad o más que decir: '¿Qué estás hablando? Soy miembro de la Academia Nacional y que todo está basado en la biología reduccionista, yo no voy a cambiar mi estrategia. "Luego, a mediados tienes este amplio grupo de personas que tienen un sano escepticismo y que quieren allí a ser una especie de prueba de que estas nociones nos pueden dar nuevas ideas. Y eso es lo que hemos estado trabajando ".



jueves, 29 de enero de 2015

Redes de leyes y la resiliencia

Cómo la ciencia de redes está cambiando nuestra comprensión de la Ley
El primer análisis de redes de todo el cuerpo de la legislación comunitaria europea revela el patrón de los vínculos entre las leyes y su capacidad de resistencia al cambio.




Una de las más fascinantes áreas de la ciencia que ha surgido en los últimos años es el estudio de las redes y su aplicación a la vida cotidiana. Resulta que muchas propiedades importantes de nuestro mundo se rigen por las redes con propiedades muy específicas.

Estas redes no son aleatorias para cualquier medida. En lugar de ello, a menudo se conectan en el ahora famoso patrón pequeño mundo en el que cualquier parte de la red se puede llegar en un número relativamente pequeño de pasos. Este tipo de redes se encuentran detrás de muchos fenómenos naturales como terremotos, epidemias y los incendios forestales y son igualmente ubicuo en los fenómenos sociales, como la difusión de la moda, lenguas e incluso guerras.

Por lo tanto, no debería ser una sorpresa que el mismo tipo de red debe existir en el mundo jurídico. Hoy, Marios Koniaris y amigos de la Universidad Técnica Nacional de Atenas en Grecia muestran que la red de vínculos entre las leyes sigue exactamente el mismo patrón. Dicen que su enfoque de red ofrece una visión única de la naturaleza de la ley, la forma en que ha surgido y cómo los cambios pueden influir en el futuro.

El trabajo de Koniaris y co centra por completo en la ley asociados a la Unión Europea. Comienzan señalando que esta red legal es diferente de muchos otros tipos de redes en dos aspectos importantes.

En primer lugar, se compone de diferentes tipos de nodos de importancia variable. La legislación europea tiene tres fuentes. El primero y más importante es los tratados entre los países que establecieron la UE. Siguiente son los reglamentos y directivas que se basan en estos tratados. Por último, está la jurisprudencia que ha surgido de la Corte de Justicia, del derecho internacional y los principios generales del derecho. Cada una de estas fuentes forma una subred en la que los nodos están unidos entre sí y también a otras subredes.

La otra forma importante en que esta red se diferencia de muchos otros es que la naturaleza de los vínculos entre los nodos puede variar también. Por ejemplo, los nodos pueden vincularse de forma legal, pero también pueden estar unidos por citas. Estas diferencias también deben tenerse en cuenta.

Para estudiar la naturaleza de la red resultante, Koniaris y co han extraído todos los documentos de la base de datos legal que data de la Comunidad Europea de nuevo a 1951. Esto equivale a 250.000 documentos incrustados en una red de más de 1 millón de enlaces.

El equipo estudió a cada subsección de la red y encontró que todos eran redes de mundo pequeño en sí mismos. En la práctica, esto indica que los nodos son los más comúnmente vinculados a sus vecinos creando agrupaciones sino que éstos también están vinculados en escalas mucho más grandes. Eso es lo que hace posible pasar de una parte de la red a otro en un pequeño número de pasos. Esto también conduce a una estructura de la ley de potencia en el que algunas leyes son muy influyentes.

Los teóricos de red saber que este tipo de redes tiene propiedades específicas. Uno de ellos es que son robustos y todavía tienden a funcionar cuando se eliminan los nodos y los enlaces. Esto es importante en una red legal porque las leyes a veces se vuelven invalidada o cambiado y una pregunta interesante es si la red legal seguirá funcionando como resultado.

Koniaris y coautores prueban mediante la eliminación de nodos y enlaces de la red al azar y ver qué tan bien conectado permanece. En general, dicen que las redes son altamente resistentes.

Pero también hay una advertencia. En redes de mundo pequeño, un pequeño número de nodos son altamente conectado y por lo tanto de gran importancia. La eliminación de estos puede causar problemas significativos. Cuando los nodos se eliminan al azar, es muy poco probable que alguno de ellos se verán afectados. Pero cuando lo son, los problemas pueden sobrevenir. Sabiendo que las leyes están altamente conectados tanto, es importante.

Koniaris y co también han estudiado cómo la red ha evolucionado con el tiempo. Ellos hacen esto al ver la forma en que la red ha cambiado ya que se han añadido nuevas leyes. Dicen que el efecto principal de estos cambios es que el número de enlaces se ha incrementado más rápido que el número de nodos. El resultado es un fuerte aumento de la densidad de los enlaces dentro de la red a través del tiempo.

Este proceso de densificación es probable que continúe, pero también sugiere algún trabajo interesante para el futuro. Koniaris y co por lo que el mirando el patrón de la evolución en el pasado, puede ser posible predecir cambios en el futuro. Por ejemplo, esperan construir un modelo que predice dónde surgirán los futuros vínculos entre nodos. Y que planean ir más allá. "Un enfoque más sofisticado será predecir qué documentos legales será modificado o incluso invalidado", dicen.

La red también puede ser utilizando para la visualización de la naturaleza del mundo legal. Revela clusters y conexiones relacionadas y puede ayudar a los legisladores a determinar el efecto de los cambios propuestos. Esto también podría ayudar a mejorar la eficacia de la recuperación de información jurídica. "Nuestra hipótesis es que la Red La legislación puede ser explotado para la recuperación de textos, de la misma manera como los gráficos de hipervínculo en la Web", dicen Koniaris y co.

Eso es interesante trabajo que se basa en estudios previos de redes legales que simplemente han analizado el patrón de citas entre documentos. Teniendo en cuenta la distinta naturaleza de los nodos y los vínculos entre ellos proporciona un mayor conocimiento de lo que ha sido posible antes.

También muestra cómo la ciencia de la red se está extendiendo a todos los rincones de la investigación científica y social.

Ref: arxiv.org/abs/1501.05237 Network Analysis In The Legal Domain: A Complex Model For European Union Legal Sources

lunes, 26 de enero de 2015

Software y grafos de conocimiento: Herramientas y opciones

Explorando la Sociedad y la Cognición a través del Marco de Ciencia de las Redes
Grafos de conocimiento: El nuevo tipo de documento para el Siglo 21

Nodus Lab


Excel fue un producto revolucionario para la época, pero en el siglo 21 las columnas y filas ya no son suficientes. El aumento de la complejidad y de los datos grandes (Big Data), la proliferación de las redes sociales, minificación de flujos informativos hacen a los modelos de información en dos dimensiones insuficientes. Lo que importa hoy en día son las relaciones entre los datos multidimensionales, que combinan una mejor vista de la imagen más grande y con una atención al detalle: las redes y gráficos.

Un agradecimiento especial a Dor Garbash de Rhizi / CRI y Alexis Jacomy de Sigma.Js para conversaciones esclarecedoras sobre este tema.

De las tablas relacionales a los grafos de redes

Los documentos de texto y tablas de Excel son esencialmente dispositivos de narración. Son muy útiles para comunicar información de una manera lógica y cronológicamente coherente. Sin embargo, como las redes digitales proliferan, la complejidad de las historias que necesitan ser dicho también aumenta. Es por eso que tiene sentido para abrazar las redes como los nuevos dispositivos de narración útiles.

Para usar un ejemplo simple: lo que sería una visión general del sector de alta tecnología suelen tener la apariencia? Un enfoque estándar sería abrir una lista de las 500 empresas de Fortune y hacer una selección, lo que podría ser presentado como un informe o una tabla como la siguiente:



Es una mesa informativa, ya que los datos dentro se pueden combinar para crear una historia. Por ejemplo, Google es un motor de búsqueda y lo que gana 3 veces menos que el de Apple, pero cuesta sólo dos veces menos ... por lo tanto, las expectativas de los inversores tienen en relación a Google podrían ser mayores que hacia Apple, pero esto debe ser comprobado con algunos otros datos , etc.

Este tipo de historia, sin embargo, no revela cómo se interconectan esas compañías. De hecho, una tabla de dos dimensiones sólo será capaz de decir cómo A (una fila), a través de una serie de criterios (una columna), se refiere a B (otra fila) y la forma B, a través de otros criterios (otra columna), se refiere a C (la tercera fila), pero no nos dirá que A y B y C se refieren a D, que es un competidor a E, que se relaciona con F, E y G, que prestan servicios para A y B. o usted necesitaría varias tablas - por ejemplo, una base de datos relacional y un par de consultas complejas.

Ahí es donde los documentos de grafos de red pueden ser muy útiles. Ellos proporcionan una forma visual muy simple para representar interconexión. Gráficos de red pueden ser utilizados para proporcionar una visión general de una industria, describir funcionamiento interno de una organización terrorista, dar una buena idea de la filosofía contemporánea o incluso ser utilizado para encontrar los mejores restaurantes de Berlín, en base a las preferencias de cada uno.

Para continuar con el ejemplo anterior: para aprender sobre una industria, uno podría simplemente visualizar conexiones entre las empresas de alta tecnología basados en algunos criterios. Por ejemplo, de Google "Las personas también buscan ..." ofrece características resultados según la frecuencia con personas que buscan A también buscan B, que ofrece una manera de obtener una vista de pájaro de la industria desde el punto de vista de los clientes:


(enlace al documento grafo de red original)

Este gráfico muestra las conexiones entre los principales jugadores en el mercado de un vistazo. Las historias que se pueden contar el uso de este gráfico son mucho más diversas y asociativo de las historias que se pueden derivar de las hojas de cálculo. Por ejemplo, "las personas que buscan Amazon también la búsqueda de Netflix y Flipcart, que son todas las empresas de comercio electrónico, sino también para Apple, que es un competidor de Microsoft y Apple está conectado a AT & T, que es un proveedor de telecomunicaciones, sólo como Comcast, a través del cual AOL entrega su contenido y las personas que buscan AOL también la búsqueda de Google, que es un motor de búsqueda que ayuda a la gente a encontrar el contenido, como Digg, StumbleUpon y Newswine hacen para las noticias ".

Este tipo de documento da una idea mucho mejor acerca de las conexiones dentro de la industria y ofrece las nuevas ideas que no se derivarían tan fácilmente de las hojas de cálculo convencionales pobladas con los números. Además, varias herramientas de la teoría de grafos se pueden utilizar para proporcionar una representación gráfica más legible, con el fin de identificar grupos de elementos estrechamente relacionados (que están más estrechamente alineados juntos anteriormente usando el diseño de la Fuerza-Atlas) o para identificar los elementos más conectados (tales como Apple y Digg anterior, que se muestran como nodos más grandes en la gráfica, porque están mejor conectados que otros).

Describiendo relaciones : Ricos enlances

Los gráficos de la red en sí mismos proporcionan una muy buena manera de ver el panorama general, una visión general de las relaciones. Sin embargo, hay otro aspecto esencial para redes: las descripciones reales de esas relaciones. Los datos de borde ricos llamadas pueden proporcionar información valiosa sobre la naturaleza de los gráficos de redes y ofrecer instrumentos adicionales para la construcción de relatos basados en la red.

El siguiente ejemplo es una red de los más prominentes políticos rusos, a veces se hace referencia como "sistema". La información para el gráfico proceda de diversas publicaciones, artículos de Wikipedia y los resultados de búsqueda de Google.

Como se puede observar, cada relación se describe con un texto y la mayoría de las relaciones tienen una atribución de la fuente. El gráfico no sólo proporciona una buena descripción de quién es quién en el sistema político de Rusia, pero también explica toda relación, por lo que este gráfico mucho más útil para la investigación y el periodismo de investigación:


(abrir el grafo de la red interactiva de sistema político de Rusia)

Por otra parte, este tipo de "bordes ricos gráfico" se puede utilizar para encontrar rápidamente la información que uno necesita. Por ejemplo, al hacer clic en los dos nodos interconectados "Sergey Shoigu" y "Sergey Lavrov" muestra de forma rápida descripción de la relación entre ellos:






Análisis detallado de grafos de red y formatos abiertos

Un aspecto muy importante de este nuevo aumento de formato gráfico de la red es que es un tipo de un documento XML, lo que hace que sea muy fácil para portarlo entre plataformas e incluso leer en cualquier editor de texto.

Si hay interés para llevar a cabo el análisis un poco más detallado de la red presentado anteriormente, se puede exportar en un formato de archivo .gexf y abrió sus puertas en el análisis de redes profesionales y software de visualización como Gephi:



Con el fin de hacer que el gráfico sea más legible, que oscilaba los nodos por grado (el más es el número de conexiones, cuanto más grande es el nodo en el gráfico) y aplicada diseño Fuerza-Atlas, que empuja los nodos más conectados aparte, mientras que la recolección los nodos más pequeños alrededor de ellos. También aplicamos algoritmo modularidad, que detecta las comunidades en el gráfico, que se indican con colores distintos dentro de la gráfica (nodos que están más densamente conectadas entre sí que con el resto de la red).

El gráfico resultante es un recurso narrativo muy potente, que puede ser utilizado para contar una historia sobre el actual sistema político en Rusia (o incluso revelar cualquier otra conspiración local o global). En el ejemplo anterior, se puede ver claramente que Vladimir Putin construyó una red con varios centros distintos, que están conectados entre sí a través de él, y por la necesidad de trabajar juntos en el gobierno. La alianza dentro de esos grupos es generalmente determinada por las opiniones políticas (conservadores vs liberales) o por la función dentro del gobierno (sector de la energía está en manos de los políticos conservadores, mientras que los sectores de la banca y las finanzas están en manos de los más liberales). También hay un par de grupos que son responsables de las relaciones públicas (secretario de prensa, Dmitry Peskov de Putin y el ministro de Relaciones Exteriores, Sergei Lavrov), así como lo que se llama el equipo de los "proyectos especiales", encabezada por el cardenal gris conocido de la política del Kremlin, Vladislav Surkov (que era uno de los principales arquitectos de la red política actual, y fue responsable de la solución de la pieza con Chechenia y está presuntamente implicado en la lucha actual en Novorossia - parte oriental de Ucrania).
Es interesante que en el sistema del Putin se mantiene la diferencia entre los diferentes centros de influencia a través de poner juntos a la gente de trabajo que a menudo tienen puntos de vista políticos y económicos opuestos. La mayoría de las decisiones relacionadas con el personal en el Kremlin a menudo se basan en el equilibrio de la energía disponible para los conservadores y los liberales.

Otra característica interesante del análisis de redes es la capacidad de detectar los nodos más influyentes en la red: las personas que tienen la más alta centralidad de intermediación que conecta los diferentes grupos de poder juntos. La aplicación de esta medida a la gráfica se obtienen los siguientes resultados:



Se puede observar que tanto Vladimir Putin y su cercano aliado Igor Sechin tienen el poder más de corretaje entre los diferentes grupos. El líder de la oposición principal, Aleksey Navalny, también se ha posicionado bien en la red. Su problema, sin embargo, mientras que Putin es el que negocia algún tipo de paz entre todos los diferentes grupos, Navalny es lugar actuando como un arma que esos grupos utilizan una contra la otra (a través de sus investigaciones contra la corrupción a menudo filtrados de uno de los grupos ), poniéndolo en una posición mucho más arriesgado. Sin embargo, ha sido la postura de Navalny desde el principio que su intención no es la de integrar a sí mismo en el "sistema", pero, en vez de romperlo. Sin embargo, tendría que construir una red diferente, en lugar de la ya existente en primer lugar, con el fin de asegurar el desarrollo futuro después de que el antiguo sistema se desmonta.

Conclusión

En esta revisión, hemos demostrado que los documentos de gráficos de red se pueden servir recursos narrativos como útiles, aumentando los formatos existentes. Los documentos de texto estándar, páginas web HTML y hojas de cálculo están haciendo un buen trabajo en la exhibición de datos cronológicos coherentes. Tan pronto como hay una necesidad de contar una historia de la interconexión y la complejidad, un tipo diferente de documentos y dispositivos de narración son necesarios. Gráficos de red pueden servir muy bien en este sentido: dar una visión general de un determinado campo de la consulta a los detalles concretos para cada relación que es parte de la gran imagen.

Nos gustaría dar las gracias a la IRC y Dor Garbash de Rhizi para inspirar conversaciones sobre estos temas.



Editores de grafos de red


Si usted está interesado en crear sus propios gráficos, pruebe:
• Nodus Labs’ InfraNodus editor de grafos
Linkurio.Us – Neo4J herramienta de vizualización de bases de datos de grafos
Gephi software de análisis de grafos y visualización
Sigma.Js biblioteca para compartir grafos en línea
Rhizi plataforma de grafos colaborativos
Cograph plataforma para compartir grafos
Metamaps herramienta colaborativa para mapear relaciones

jueves, 22 de enero de 2015

Las redes cerradas y la performance de carrera

El predictor no. 1 de éxito de la carrera según la ciencia de redes
Michael Simmons - Forbes


Han pasado más de tres años desde que Steve Jobs murió.

Desde entonces, se han escrito libros y películas han sido filmadas.

Cada uno ha celebrado su legado y destinado a compartir los secretos que utilizó para construir la empresa más grande del mundo; cosas como la atención al detalle, la atracción de talento de clase mundial y la celebración de ellos a un alto nivel.

Creemos entender qué causó su éxito.

Nosotros no.

Rechazamos principios utilizables para explicar el éxito etiquetándolos como peculiaridades de la personalidad.

Lo que se olvida a menudo es la interacción paradójica de dos de sus cualidades aparentemente opuestas; aproximación maníaco y curiosidad insaciable. No eran sólo dos fortalezas fortuitas. Pueden haber sido su más importantes, ya que ayudaron a llevar a todo lo demás.

La curiosidad de Jobs alimentó su pasión y le proporcionó acceso a una visión, habilidades, valores y personas de clase mundial únicos que complementaron su propio conjunto de habilidades. El enfoque de trabajo trajo aquellos que soportar en el mundo de la electrónica personal.

Yo no sólo digo como alguien que ha devorado prácticamente cada artículo, entrevista, y el libro referido a él.

Lo digo como alguien que ha entrevistado a muchos de los mejores científicos de la red del mundo en una búsqueda para entender cómo las redes de crear una ventaja competitiva en los negocios y carreras.


Steve Jobs de los años silvestres (Foto: AP)

La simple variable que explica lo que realmente causa el éxito profesional

En diciembre de 2013, entrevisté a uno de los principales científicos de la red del mundo, Ron Burt. Durante esa entrevista, él compartió un gráfico que volcó por completo mi comprensión de éxito. Aquí está una versión simplificada:



¿Cuál es el punto? De acuerdo con varios estudios, revisados por pares, el simple hecho de una red abierta en lugar de una cerrada es el mejor predictor del éxito profesional.

En el gráfico, cuanto más a la derecha se va hacia una red cerrada, más se oyen repetidamente las mismas ideas, que reafirman lo que ya cree. La extrema izquierda se va hacia una red abierta, cuando más uno está expuesto a nuevas ideas. La gente de la izquierda son significativamente más éxitosas que las de la derecha.

De hecho, el estudio muestra que la mitad de la diferencia prevista en el éxito profesional (es decir, la promoción, retribución, reconocimiento de la industria) se debe a esta variable.

¿Alguna vez tiene momentos en los que oyes algo tan convincente que usted necesita saber más, sin embargo, tan loco que usted tendría que dejar de lado algunas de sus creencias fundamentales con el fin de aceptar la idea?

Este fue uno de esos momentos para mí. Nunca en todos los libros que había leído en la autoayuda, el éxito profesional, negocio, o Steve Jobs tenía me encuentro con esta idea.

Me pregunté, "¿Cómo es posible que la estructura de la red de uno podría ser un predictor tan poderosa para el éxito profesional?"

¿Cómo impacta una red cerrada a tu carrera?

Para entender el poder de las redes abiertas, es importante entender su contrario.

La mayoría de las personas pasan sus carreras en redes cerradas; redes de personas que ya se conocen entre sí. La gente a menudo se quedan en la misma industria, la misma religión, y del mismo partido político. En una red cerrada, es más fácil de hacer las cosas, ya que se ha construido una relación de confianza, y que conoce todas las condiciones de la taquigrafía y reglas tácitas. Es cómodo porque el grupo converge en las mismas formas de ver el mundo que confirmar su cuenta.

Para entender por qué la gente pasa la mayor parte de su tiempo en redes cerradas, considere lo que sucede cuando un grupo de extraños al azar se lanza juntos:



David Rock, el fundador del NeuroLeadership Institute, la organización superior ayudar a los líderes a través de la investigación en neurociencias, explica el proceso así:

Hemos evolucionado a poner a la gente en nuestro endogrupo y exogrupo. Pusimos la mayoría de la gente en nuestro grupo afuera y unas pocas personas en nuestro grupo interno. Determina si nos preocupamos por los demás. Determina si apoyamos o atacarlos. El proceso es un subproducto de nuestra historia evolutiva donde vivíamos en grupos pequeños y extraños que no conocíamos bien no eran de fiar.

Mediante la comprensión de este proceso, podemos empezar a entender por qué el mundo es como es. Entendemos por qué los demócratas y los republicanos no pueden aprobar proyectos de ley con evidentes beneficios para la sociedad. Entendemos por qué las religiones han ido a la guerra por la historia. Nos ayuda a entender por qué tenemos burbujas, pánicos, y las modas.

El sorprendente poder y el dolor de las redes abiertas

La gente en las redes abiertas tienen retos y oportunidades únicas. Debido a que son parte de varios grupos, que tienen relaciones únicas, experiencias y conocimientos que otras personas en sus grupos no lo hacen.

Esto es un reto, ya que puede llevar a sentirse como un extraño, como resultado de ser incomprendido y poco apreciado, porque pocas personas entienden por qué cree que su forma de hacer. También es un reto, ya que requiere la asimilación de diferentes y contradictorias perspectivas en una visión del mundo.

En uno de mis todos los tiempos películas favoritas, The Matrix, el personaje principal, Neo, se expone a un mundo completamente nuevo. Una vez, él es, él no puede volver atrás. Él es un extraño en el nuevo grupo, y él es un extraño en su antigua vida. Ha tenido una experiencia que todo el mundo que ha conocido nunca entendería. Este mismo fenómeno ocurre cuando entramos en nuevos mundos de la gente.

Por otro lado, tener una red abierta es una oportunidad enorme de varias maneras:

  • Visión más precisa del mundo. Les ofrece la posibilidad de obtener información de diversas agrupaciones lo que los errores se anulan a sí mismos. La investigación realizada por Philip Tetlock muestra que las personas con redes abiertas son mejores pronosticadores que las personas con redes cerradas.
  • Capacidad de controlar el momento de intercambio de información. Si bien no puede ser el primero en conocer la información, que puede ser el primero en introducir la información a otro grupo. Como resultado, pueden aprovechar la primera ventaja movimiento.
  • Capacidad para servir como traductor / conector entre grupos. Pueden crear valor al servir como intermediario y la conexión de dos personas u organizaciones que puedan ayudarse mutuamente que normalmente no correr en la otra.
  • Más ideas revolucionarias. Brian Uzzi, Profesor de Liderazgo y Cambio Organizacional en la Kellogg School of Management, realizó un estudio de referencia en el que se adentró en las decenas de millones de los estudios académicos de la historia. Comparó sus resultados por el número de citas (enlaces de otros trabajos de investigación) que recibieron y los demás documentos que se hace referencia. Surgió un patrón fascinante. Los estudios de mejor desempeño tuvieron referencias que eran 90% y 10% convencional atípica (es decir, que tiran de otros campos). Esta regla se ha mantenido constante a lo largo del tiempo y en los campos. Las personas con las redes abiertas son más fácilmente capaces de crear combinaciones atípicas.

Una revisión a la cronología del éxito de Steve Jobs 

Como consecuencia del ejercicio de su curiosidad en diferentes campos a lo largo de su vida, Steve Jobs desarrolló una muy singular perspectiva, habilidades, y la red; uno que nadie más en la industria de la computación tenía. Se volvió estas ventajas únicas en la compañía más grande en el mundo por tener una navaja enfoque nítido. Dentro de Apple AAPL + 1.12%, cortó las personas, los productos y sistemas que no eran de clase mundial.

Experiencia basada en la curiosidad => Aplicación
Jugar con la maquinaria con su padre => Comprender la artesanía y la atención al detalle
De abandonar la universidad y sentado en una apreciación clase de caligrafía => diseño (variadas fuentes de Macintosh)
Explorando de la India y el budismo => Aplicando sencilla estética Apple
Vivir en un huerto de manzanas => La inspiración para el logotipo de Mac
Persiguiendo sus pasatiempos electrónicos en el club de la computadora Home Brew => Creación de la primera Mac con Steve Wozniack
Utilizando NeXT en sus años de salvaje => Utilizando el sistema operativo NeXT como un núcleo en el nuevo sistema operativo MAC
Pasión por la música (especialmente U2, The Beatles, John Lennon) => Lanzamiento de iTunes

Muchos se apresuran a etiquetar partes de Steve Jobs la vida como los "perdidos'' o ''locos". Sin embargo, cuando vemos su vida en retrospectiva, vemos que sus diversiones eran fundamentales para su éxito.

Lo que se etiqueta como la magia de Steve Jobs o las peculiaridades de su carácter se convierten en principios replicables que todos podemos seguir.

Es desde este punto de vista que podemos empezar a entender la siguiente cita de una entrevista de Steve Jobs para Wired en 1995:
La creatividad es simplemente conectando cosas. Cuando le preguntas a la gente creativa cómo hicieron algo, se sienten un poco culpables porque en realidad no lo hacen, que acaban de ver algo.
Parecía obvio para ellos después de un tiempo. Esto se debe a que fueron capaces de conectar experiencias que han tenido y sintetizar nuevas cosas. Y la razón por la que fueron capaces de hacer eso es que ellos han tenido más experiencias o que han pensado más en sus experiencias que otras personas.
Por desgracia, eso es muy raro en una mercancía. Una gran cantidad de personas en nuestra industria no han tenido experiencias muy diversas.
Así que ellos no tienen suficientes puntos para conectar, y terminan con soluciones muy lineales y sin una amplia perspectiva sobre el problema. Comprensión del uno más amplio de la experiencia humana, mejor diseño que tendrá.


Permanecer hambriento. Permanecer alocado.

A lo largo de la historia humana, todas las sociedades, incluyendo a nuestros propios mitos han creado que comparten un elemento común, el viaje del héroe.

Esto es lo que el viaje se parece según Joseph Campbell, el creador del término ...

Las cosas van muy bien. Usted se siente normal y encajas. Entonces algo, sucede y cambia. Usted comienza a sentirse como un extraño en su propia cultura. Te escondes partes de ti mismo de encajar, pero eso no ayuda. Usted se siente llamada a salir y cumplir con parte de ti mismo, pero que tiene una gran cantidad de incertidumbre. Por lo tanto, usted vacila al principio.

Por último, de dar el paso. Vas a través de tiempos difíciles como usted está aprendiendo a navegar el nuevo mundo. Por último, a superar los desafíos. A continuación, volver a su antigua cultura y tener un gran impacto, ya que comparte los conocimientos únicos que has aprendido.


Viaje mito del héroe está incrustado en todo, desde películas clásicas de nuestra sociedad (es decir, Star Wars) a los héroes glorificamos (es decir, Steve Jobs). porque golpea en las partes centrales de la experiencia humana.

El campo de la ciencia de las redes nos muestra dos cosas. El viaje del héroe es el modelo para crear el éxito profesional. Todos podemos ser héroes. Sólo hace falta un poco de fe y cuando siga su corazón y la curiosidad hacia mundos desconocidos. Como dijo Steve Jobs, "No se puede conectar los puntos hacia adelante, sólo puedes hacerlo hacia atrás. Así que hay que confiar en que los puntos se conectarán alguna vez en el futuro. "