sábado, 10 de mayo de 2014

Usando ARS para un programa de liderazgo

¿Cómo un Análisis de Redes Sociales (ARS ) puede ayudar a los programas de desarrollo de liderazgo?
Enviado por Deborah Meehan


En los últimos meses la comunidad de aprendizaje del liderazgo ha tenido la oportunidad de colaborar con la Fundación de Salud de occidental y central de Nueva York para llevar a cabo un análisis de redes sociales de su red de graduados Health Leadership Fellows Program. Dado que muchos programas de liderazgo podrían beneficiarse de un ARS, queríamos compartir ejemplos sobre cómo el HLFP será capaz de utilizar los mapas de redes sociales:

  1. El ARS se complementan una evaluación, proporcionando una representación visual de las formas en que las relaciones cultivadas a través del programa continúan como fuente de aprendizaje entre iguales, el apoyo mutuo y la colaboración que están tratando de producir mejores resultados de salud.
  2. El ARS proporcionará la red con una mejor comprensión de sus fortalezas y oportunidades para la activación de aprendizaje y acción.

Acerca del programa: El objetivo del programa de Liderazgo en Salud Fellows ( HLF) es ampliar una red de líderes cualificados que aprender a conducir en colaboración, tanto dentro como fuera de sus organizaciones y convertirse en defensores de una mejor prestación de atención de salud, especialmente para las personas mayores y niños de las comunidades de la pobreza. El programa se graduó 99 Salud Liderazgo Fellows en sus primeros 3 cohortes, actualmente está operando su cuarta cohorte de 40 becarios y pronto lanzará una quinta cohorte. La colaboración es un sello distintivo del programa y un SNA puede ser particularmente eficaz en la creación de una imagen de la magnitud de la colaboración en red.
Acerca de Análisis de Redes Sociales: Un Análisis de Redes Sociales es una forma de representar visualmente y medir las relaciones sociales dentro de una red. De acuerdo a junio de Holley en su libro "The Network Weaver Handbook" Las redes son conjuntos de relaciones y los patrones que crean. Estos patrones influyen en la calidad de la comunicación y la posibilidad de la colaboración y la innovación. Mapas revelan los patrones de relación y sus consecuencias " .

Cómo nos fuimos sobre el proyecto: LLC contrató a Ken Vance Borland, Director Ejecutivo del Instituto de Planificación para la Conservación debido a su experiencia con el software SNA y la cartografía. También entiende el 'y qué' de la producción de mapas, que es ayudar a la gente en la red aprenden a utilizar la información contenida en los mapas para hacer su red más fuerte. Juntos hemos desarrollado una encuesta que salió a las cuatro primeras cohortes. Un grupo consultivo de los Health Leadership Fellows puso a prueba la encuesta, nos dio comentarios sobre las preguntas y ayudó a movilizar a otros compañeros de su cohorte para completar la encuesta.

Los becarios que tomaron la encuesta se proporcionaron los nombres de todos los que tomaron la encuesta y se les pidió para comprobar nombres de otros compañeros con los que habían desarrollado una nueva relación, los recursos y la información compartida y colaborado en proyectos relacionados con la salud . Además , los encuestados se les pidió una serie de preguntas demográficas acerca de donde trabajaban , su cohorte , los temas se centraron en su trabajo y sus profesiones. Estas preguntas hicieron posible no sólo para producir mapas de que estaba colaborando sino ver también cómo las personas se conectan a través de sus regiones o sus cohortes. Para obtener datos buenos y confiables de un SNA es importante tener por lo menos un índice de participación del 75%. El programa de Health Leadership Fellows tiene una impresionante tasa de respuesta del 89%.

La lectura de mapas de red:

En los mapas de la red debajo de los puntos de colores son los nodos que representan semejantes. Como explica la clave, los diferentes colores te dicen si fueran compañeros en cohortes 1, 2, 3, o 4. Los nodos también se puede utilizar para representar a las organizaciones o ideas. Las líneas entre los nodos son un enlace que conecta los dos compañeros y en este caso indican que una relación beneficiosa se ​​ha desarrollado entre esos tipos, por ejemplo. Están compartiendo información o colaborar. Usted puede ver que los becarios de la misma cohorte tienden a ser conectados más de cerca , esto se llama un clúster. Sin embargo, existe un buen nivel de conectividad entre los diferentes clúster que indica que los becarios se forman los grupos 2 y 3 se conectan a las otras cohortes en su trabajo.



La densidad de líneas en el medio del mapa de arriba muestra un fuerte núcleo de personas que se conectan y se comunican regularmente. También hay un número de nodos en la periferia de este núcleo que indican que se trata de tipos que pueden tener conexiones con otras redes y ser capaces de aportar nuevos recursos e ideas a la red. Desde un punto de la red soporte teoría esto es una red fuerte. Desde el punto de vista de evaluación de los mapas nos dice que los becarios de las cohortes anteriores están bien conectados y colaborar.

Uso de Mapas para fortalecer una red :

Los dos mapas siguientes son especialmente útiles para los tejedores de la red. El programa de Health Leadership Fellows tiene una organización para ayudar a apoyar la red de los becarios, la Fellows Action Network (FAN). El ventilador puede utilizar el mapa en un número de maneras. Los nodos por debajo indicar qué compañeros tienen el deseo de iniciar una nueva colaboración con un compañero en particular en el futuro. Los nombres se han eliminado de este mapa para su uso en el artículo de boletín de noticias . Sin embargo, los mapas originales tienen los nombres unidos a cada modo. Como te ves en este mapa y ver que Joe le gustaría colaborativa con Sally puedes buscar oportunidades para hacer esas introducción y el soporte de nuevas colaboraciones. Por ejemplo , es posible ver en un mapa que Terry ya está colaborando tanto con Joe y Sally y pedir Terry para ayudar a hacer la introducción. Todos los becarios puede mirar estos mapas y encontrar gente que quiere trabajar con ellos.



Otra manera de ayudar a tejer la red es identificar intereses específicos y habilidades establecidas y compañeros que comparten el mismo interés o están en busca de esos conjuntos de habilidades. Por ejemplo, en los mapas las personas que están interesadas en aprender más sobre la promoción y la labor normativa se indican mediante nodos verdes y los que tienen habilidades políticas y estaría dispuesto a enseñar a los demás están indicadas por los nodos azules. A continuación se presentan cuatro ejemplos en los que esta red es muchas ganas de aprender y compartir conocimientos para aumentar la capacidad de los participantes de la red en una serie de áreas críticas.



¿Te gustaría participar en un SNA ? Ken Vance - Borland será el anfitrión de una sesión en Creating Space de este año. Todos los participantes del CS XI recibirán una encuesta para completar esa será nombrar a todos los participantes. Durante CS Ken va a crear mapas que podemos utilizar para entendernos a nosotros mismos como una red y buscar oportunidades para incrementar nuestro aprendizaje y la colaboración.

Leadership Learning Community

sábado, 3 de mayo de 2014

¿Qué se siente ser eliminado de FB?

¿Qué piensa la gente cuando la eliminas de Facebook?
Por: Karelia Vázquez | 28 de abril de 2014


© Gloria Rodríguez
Hacer enemigos es una práctica que algunos practican con gracia y soltura. Para dominar su técnica se debe contar con la combinación apropiada de impulsividad, sangre fría e irresponsabilidad. Así había sido hasta  la creación de Facebook que nos trajo de vuelta a "amigos" que creíamos alejados de nuestra vida para siempre y nos hizo (sobre todo en su primera fase de eufórica ceguera) aceptar en nuestro círculo a compañeros de trabajo, conocidos y vecinos con los que jamás hubiéramos intimado en la vida real.
Entonces llegó también la necesidad de adiestrarse en el arte de deshacerse de tanto amigo repentino. Damos gracias a Marck Zuckerberg que nos lo puso más fácil que en la vida analógica. Aquí no hay que dar la cara y un botón (Unfriend) se encarga del trabajo sucio. A estas alturas se considera una rara avis, una especie en vías de extinción digna de ser exhibida en las universidades, el usuario de Facebook que no se haya beneficiado de las prestaciones del Unfriend y haya continuado con su vida como si nada hubiera pasado.
Ahora, cuando ya somos veteranos en estas lides y se anuncia día sí y día también el anquilosamiento de Facebook (a pesar de que acaba de anunciar que en el primer trimestre de 2014 sus beneficios han crecido un 20% respecto a 2013) dos estudios de la Universidad de Colorado* examinan las fuerzas psicológicas que se esconden detrás de la práctica de borrar amigos en Facebook, y además, investiga qué sienten los damnificados.
Hay que decir que los resultados se consiguieron a través de una encuesta vía Twitter a 1077 adultos. Es decir, que quizás no estemos ante el cuestionario mejor diseñado y tengamos que tomarnos estos resultados con reserva.
Dicho esto, y citando los hallazgos del estudio, los conocidos de la época del instituto son los que tienen más riesgo de ser expulsados de la lista, seguidos por los amigos de amigos, los compañeros de trabajo, y las personas a las que nos une algún interés común (por ejemplo, el gusto por la cerámica o la gastronomía).
Según explica en una nota de prensa Christopher Sibona, coautor del estudio, la razón más frecuente para eliminar a un amigo de Facebook es que publica posts con posturas políticas o religiosas divergentes radicalmente a las nuestras (solo nos gusta que nos digan lo que queremos oir). "Como lo más probable es que tengamos más diferencias con los amigos de la adolescencia que con aquellos que hemos elegido de adultos, esos son los primeros que se purgan".
"Los amigos del instituto no suelen estar al corriente de la evolución de nuestras creencias políticas o religiosas, y puede resultar fácil que se generen discusiones. Y algo propio de los conflictos on line es que escalan y se multiplican mucho más de prisa que en la vida real", razona el coautor en una nota de prensa.
El otro pecado para ser víctima de un Unfriend es publicar estados "poco interesantes".
Mientras estos amigos son eliminados por la naturaleza de sus publicaciones, los compañeros de trabajo caen por cosas que han hecho en la vida real, no por su comportamiento en la red social. "A la  gente del trabajo se le borra por hechos que no tienen que ver con su comportamiento en Facebook sino por acontecimientos del mundo real", explica Sibona. En Facebook solo tiene lugar el pase de cuentas.
¿Y qué sienten los expulsados del Paraíso? Lo primero que tiene que pasar es que lo noten, y eso dependerá de cuán activos sean en la red social y de cuánto contacto hayan mantenido con la persona que los liquida. Pero una vez que están informados, ambos estudios hablan de “efectos secundarios emocionales de la pérdida de una amistad” (virtual) y describen cuatro estados. A saber: sorprendido, molesto/preocupado; divertido/despreocupado; y triste.
El factor que determina el impacto del agravio es cuán cercana fuera la relación en el momento en que el sujeto en cuestión es eliminado de Facebook. "Cuando se trata de un buen amigo, o de alguien muy cercano, las emociones suelen ser la tristeza y la incomodidad con la nueva situación”.
Según el segundo de los estudios hay dos cuestiones que marcan cuánto va a doler el Unfriend al afectado. Uno es como era de esperarse la cercanía que tuviera con quien lo saca de la lista, y la segunda es el control que tenga sobre su lista de amigos y la frecuencia con que la suela monitorizar.
Otros dos factores predicen si el Unfriend va a impactar menos y si el individuo lo va a encajar mejor. A saber: si el acontecimiento es esperado en alguna medida porque se ha hablado con otros amigos, o si ha habido un anuncio previo de la persona que ha decidido enemistarse. En este caso el sentimiento que se describe esta muy cercano al alivio. Si va a pasar, cuanto antes mejor.
Según la investigación, el Unfriend es más frecuente entre personas que han sido amigos o han tenido una relación cercana que entre los conocidos. "A pesar de la preponderancia de los vínculos débiles en las redes sociales, nuestros hallazgos permiten colocar al Unfriend como uno de los actos definitivos que marcan la disolución de una relación, con consecuencias en el mundo real", dice el estudio.
Tiene razón Sibona cuando dice que el coste de mantener "un amigo" en Facebook es muy bajo. No hay que hacer nada, basta con dejarlo estar. "Tomarse el trabajo de buscar el botón de Unfriend y pulsarlo supone hacer un esfuerzo consciente por quitarse a alguien del medio. Y eso duele".
Si quiere poner un poco más de angustia en su existencia, aquí le dejamos la aplicación Unfriender Finder que monitoriza en tiempo real a sus contacto. Gracias a ella podrá detectar inmediatamente quién le ha dado la patada en Facebook.
* Ambos estudios fueron publicados en 2014 durante la 47 Conferencia Internacional de Hawaii de System Sciences.

El País

viernes, 2 de mayo de 2014

Detección de comunidades: Algoritmo Girvan-Newman

Algoritmo de Girvan - Newman


El algoritmo de Girvan -Newman (el nombre de Michelle Girvan y Mark Newman ) es un método jerárquico utilizado para detectar las comunidades en sistemas complejos. [1]



Intermediación  de enlaces y estructura de la comunidad 

El algoritmo de Girvan -Newman detecta comunidades eliminando progresivamente los enlaces de la red original. Los componentes conectados de la red que queda son las comunidades. En lugar de tratar de construir una medida que nos indica que los enlaces son los más importantes para las comunidades, el algoritmo de Girvan -Newman se centra en los enlaces que son más probable " entre " comunidades.

La intermediación de vértices se ha estudiado en el pasado como una medida de la centralidad y la influencia de los nodos en las redes. Para cualquier nodo i, intermediación vértice se define como el número de caminos más cortos entre pares de nodos que se ejecutan a través de él. Es una medida de la influencia de un nodo sobre el flujo de información entre otros nodos, especialmente en los casos donde el flujo de información a través de una red sigue principalmente el camino más corto disponible. El algoritmo de Girvan - Newman extiende esta definición para el caso de enlaces, la definición de la " intermediación enlace " de un enlace como el número de caminos más cortos entre pares de nodos que se ejecutan a lo largo de ella. Si hay más de una ruta más corta entre un par de nodos, cada ruta se le asigna el mismo peso tal que el peso total de todos los caminos es igual a la unidad. Si una red contiene las comunidades o grupos que están sólo vagamente conectados por unos enlaces entre grupos, entonces todos los caminos más cortos entre las diferentes comunidades deben pasar por una de estas pocas aristas. Por lo tanto, los enlaces de conexión comunidades tendrán alta intermediación enlace (al menos uno de ellos). Mediante la eliminación de estos enlaces, los grupos están separados uno de otro y por lo que la estructura de la comunidad subyacente de la red se revela.

Los pasos del algoritmo para la detección de la comunidad se resumen a continuación


  1. La intermediación de todos los enlaces existentes en la red se calcula primero.
  2. Se elimina el enlace con la más alta intermediación.
  3. La intermediación de todos los enlaces afectados por la eliminación se vuelve a calcular.
  4. Pasos 2 y 3 se repiten hasta que no hay quedan enlaces.

El hecho de que los únicos betweennesses siendo recalculados son sólo los que se ven afectados por la eliminación, puede disminuir el tiempo de ejecución del proceso de simulación ' en las computadoras. Sin embargo, la centralidad de intermediación debe ser recalculado con cada paso, o se producen errores graves. La razón es que la red se adapta a las nuevas condiciones establecidas después de la eliminación enlace. Por ejemplo, si dos comunidades están conectados por más de un enlace, entonces no hay garantía de que todos estos enlaces tendrán alta intermediación. De acuerdo con el método, sabemos que al menos una de ellas tendrá, pero nada más que lo que se sabe. Por recalcular betweennesses después de la eliminación de cada enlace, se asegura que al menos uno de los enlaces restantes entre dos comunidades siempre tendrá un valor alto.

El resultado final del algoritmo de Girvan - Newman es un dendrograma. Cuando se ejecuta el algoritmo de Girvan - Newman, el dendrograma se produce a partir de la parte superior hacia abajo ( es decir, la red se divide en diferentes comunidades con la eliminación sucesiva de enlaces). Las hojas de la dendrograma son nodos individuales.

Referencia

1. Girvan M. and Newman M. E. J., Community structure in social and biological networks, Proc. Natl. Acad. Sci. USA 99, 7821–7826 (2002)

Wikipedia

jueves, 1 de mayo de 2014

Smith: "Tomar una foto de un hashtag.... eso hace NodeXL"

Marc Smith habla en TNW sobre como mapear y medir comunidades online

Ahora vivimos en un mar de tweets, mensajes, blogs y actualizaciones que vienen de una fracción significativa de las personas en el mundo conectado. Nuestras relaciones personales y profesionales ahora se hacen la mayor cantidad de textos, correos electrónicos, llamadas telefónicas, fotos, vídeos, documentos, diapositivas, y el juego como por las interacciones cara a cara. Los medios sociales pueden ser un flujo desconcertante de los comentarios, una manguera de incendios de enormes proporciones del contenido. Con mejores herramientas y algunos conceptos claves de las ciencias sociales, el enjambre de medios sociales de favoritos, comentarios, etiquetas, gustos, clasificaciones y enlaces se pueden poner en un foco más claro para revelar las personas clave, temas y sub-comunidades. A medida que más interacciones sociales se mueven a través de los datos legibles por máquina establece nuevos puntos de vista y las ilustraciones de las relaciones y organizaciones humanas convertido en posible. Pero las nuevas formas de datos requieren nuevas herramientas para recopilar, analizar y comunicar ideas.

Una nueva organización, la Fundación de Investigación de Medios de Comunicación Social (http://www.smrfoundation.org), se ha formado para desarrollar herramientas abiertas y conjuntos de datos abiertos, y para fomentar la beca abierta relacionada con los medios de comunicación social. El enfoque actual de la Fundación es la creación y herramientas que permiten el análisis de redes sociales los medios de comunicación y la visualización de los servicios más utilizados, como email editorial, Twitter, Facebook, Flickr, YouTube y la WWW.