lunes, 8 de agosto de 2016

Cursos Análisis de redes sociales - 2016

Curso de Posgrado
ANÁLISIS DE REDES SOCIALES 


Profesor responsable
Dr. Juan M.C. Larrosa
jlarrosa@criba.edu.ar
Skype; juan.mc.larrosa-uns



Fechas: 22 de Agosto - 7 de Noviembre de 2016 


Horario: 18 a 21hs


Modalidad: Presencial / Semipresencial

Lugar: Laboratorio 2 - Instituto de Investigaciones Económicas y Sociales del Sur (IIESS)
San Andrés 800 - Altos de Palihue
Bahía Blanca
Argentina

Introducción


En este documento se presenta el programa del curso de posgrado “Análisis de Redes Sociales” a impartirse en la Universidad Nacional del Sur.
Para impartir este curso se cuenta con programas específicos gratuitos, asimismo con el web REDES (http://www.redes-sociales.net) y el blog Análisis de Redes Sociales (http://ars-uns.blogspot.com/), en el que es posible encontrar los materiales de autoformación que utilizaremos en los talleres y la Revista hispana para el análisis de redes sociales (http://revista-redes.rediris.es), una publicación electrónica que recoge las contribuciones de los investigadores de habla hispana y portuguesa en este campo. Se cuenta, además, con datos y estudios que permiten introducir aplicaciones concretas en la docencia.
Se espera que con esta asignatura los estudiantes puedan mejorar sus capacidades investigadoras y de análisis de la realidad social y cultural.

Los destinatarios primarios del curso son docentes y estudiantes de grado y posgrado del área de Ciencias Sociales, pudiendo gente de otras áreas participar perfectamente (se introducen los conocimientos desde niveles muy básicos). Es necesario, eso sí, poseer una buena capacidad de lectura de inglés y manejar PC a nivel de usuario.



1. Introducción
El paradigma del análisis estructural. Categorías y relaciones. Estructura, restricciones y efecto emergente. La posición del análisis estructural.

2. Relaciones y redes  sociales
El problema del mundo pequeño. ¿Cuánta gente usted conoce? Estrellas y zonas.

3. Redes personales y círculos locales
Formas de sociabilidad. Relaciones de afinidad. Homogamia y homofilia. Relaciones de sociabilidad. Densidad y multiplexidad. Círculos sociales y la comunidad.

4. Teoría de grafos
Teoría de grafos básica. Conectividad y jerarquía. Representando datos relacionales. Datos de redes sociales: medición y recolección. Operaciones de matrices. Procedimientos de aglomeración jerárquica. Tipos de red. Álgebra básica relacional. Ejemplos con conjuntos de datos históricos. Software.

5. Poder y centralidad
Centralidad. Centralidad de grado, intermediación, cercanía, de autovector. Elites locales. Organizaciones.

6. Capital social
Visiones de Coleman, Bordieu, Burt, Lin. Mercado de trabajo. Capital social. Hoyos estructurales. Autonomía y articulación. 

7. Equivalencia y cohesión
Cohesión. Equivalencia. Aproximaciones estadísticas de equivalencia. Equivalencia basada en la vulnerabilidad. Roles duales y atributos. Medidas de cohesión: n-cliques y k-plex. Modularidad. Coeficiente medio de agrupamiento. Algoritmos de agrupamiento.

8. Dinámica
Difusión de innovaciones. Impacto de red en la difusión. Masa crítica, cluster y viralidad. Balance estructural. Amistad y acuerdo. Modelo de decisión colectiva. Visión microeconómica del equilibrio de red.

9. Afiliaciones múltiples
Círculos sociales. Homogeneidad e integración. Entrecruzamiento y sus efectos. Normas emergentes y orden social. Grafos bipartitos,

10. Tópicos recientes de redes sociales
Leyes de potencia. Complejidad en redes. Redes sociales digitales: Twitter, Facebook. Aplicaciones no tradicionales del ARS.

Talleres de ARS
Los talleres se incluyen tópicos aplicados de cada capítulo y abarcan el análisis y discusión constructiva de aportes de ARS aplicados Sociología, Historia, Marketing, Economía, Ciencia Política, Tecnología, entre otras.


Metodología didáctica

La metodología didáctica utilizada dependerá del tipo de actividad realizada. En este curso distinguimos entre clases teóricas, taller de ARS y clases de presentación de aplicaciones concretas.

Clases teóricas. En las clases teóricas se dispondrá de una introducción por parte del docente, con ejemplos y discusiones con los participantes. En estas clases se recomendarán lecturas en función de los intereses de los participantes. En estas clases se utilizarán trasparencias y conexiones a Internet allí donde sea conveniente. Los materiales utilizados en las clases están disponibles en http://ars-uns.blogspot.com.ar/  y en otras webs gratuitas específicamente dedicadas.
Taller de ARS. Son clases a realizarse en un laboratorio de informática en el que se iniciará en primer lugar un ejercicio basado en la red social de los participantes de forma interactiva y, a continuación, este mismo ejercicio será realizado por los participantes. Para ello dispondrán de materiales de soporte que les permitirán continuar fuera del aula las prácticas. Los software a utilizar serán principalmente Pajek, Gephi, y NodeXL.
Sesiones de presentación de aplicaciones concretas. En estas sesiones se presentan investigaciones realizadas que aplican esta perspectiva. Estas sesiones disponen igualmente de material complementarios para las personas interesadas.
En la última sesión se evaluará el curso por parte de los participantes, junto con otras actividades programadas (ver Apartado Evaluación).

Calendario

Las sesiones programadas son las siguientes:

Clase 1
Introducción. Relaciones y redes sociales

Clase 2
Teoría de grafos y métodos de recolección

Clase 3
Taller ARS 1

Clase 4
Análisis estructural y métricas de redes

Clase 5
Redes sociales y círculos sociales. Poder y centralidad

Clase 6
Afiliaciones múltiples. Equivalencia y cohesión

Clase 7
Taller ARS 2

Clase 8
Dinámica. Capital social

Clase 9
Estudios actuales de ARS

Clase 10
Taller ARS 3

Clase 11
Taller ARS 4

Evaluación

La evaluación del curso se realizará en primer lugar a partir de la elaboración de un pequeño trabajo de investigación. También es posible hacer un trabajo bibliográfico (la extensión orientativa en este caso es de hasta 25 páginas A4 doble espaciado hoja simple letra 11 pts). Este trabajo deberá entregarse por correo electrónico.
En segundo lugar, habrá prácticos de aplicación sobre las clases teóricas. Los mismos evaluarán la comprensión de conceptos y la habilidad de manejar el software. 
En tercer lugar, se tendrá en cuenta la participación en las sesiones y la presentación de una breve contribución a la temática estudiada el último día de clase. 
Por último, es importante advertir que para aprovechar plenamente las sesiones prácticas es necesario disponer de conocimientos informáticos al nivel de usuario, esto es, gestión de archivos, decomprensión de archivos, uso de procesadores de texto, navegación por Internet y, en su caso, uso de Stata, Excel u otro software estadístico.

Bibliografía 

Barabási, Albert-László (2002). Linked: The New Science of Networks. Cambridge, MA: Perseus Publishing.
Borgatti, Stephen (2003). Ucinet 6. <www.analytictech.com> 
Borgatti, Stephen y Molina, José Luis (2003). "Ethical and Strategic Issues in Organizational Social Network Analysis". The Journal of Applied Behavioral Science, 39(03), 16-45.
Borgatti, Stephen P. y Molina, José-Luis (2005). "Toward ethical guidelines for network research in organizations", Social Networks Volume 27, Issue 2, May 2005, Pages 107-117.
Cherven, K. (2015), Mastering Gephi Network Visualization, PackT Publishing: Birmingham, UK. 
Degenne, Alain; Michel Forsé (1999). Introducing Social Networks. London, Thousand Oaks, New Delhi: Sage Publications.
De Nooy, W., A. Mrvar y V. Batagelj (2005) Exploratory Network Analusis with Pajek, Cambridge University Press: New York.
Del Valle, Laura y Juan M.C. Larrosa (2015), “Cabildo Elite Network as a Structure of Political Power in Colonial Buenos Aires”, Disponible en SSRN: http://ssrn.com/abstract=2626859 o http://dx.doi.org/10.2139/ssrn.2626859
Durston, John (2002). El capital social campesino en la gestión del desarrollo rural. Díadas, equipos, puentes y escaleras. CEPAL.  http://www.eclac.cl
Epstein, A.L. (1961). "The network and urban social organization", Rhodes-Livingstone Journal, 29 (29-62), reimpreso en Mitchell, Clyde J. (1969). Social Networks in Urban Situations. Analyses of Personal Relationships in Central African Towns. Manchester: Manchester University Press.
Gould, R. V. (1996). Patron-Client Ties, State Centralization, and the Whiskey Rebellion. American Journal of Sociology, 102(2), 400-429.
Granovetter, Mark (1973). "The Strength of Weak Ties", American Journal of Sociology 78 (6) (1360-1380).
Harary, F., y Norman, R.Z. (1963). Graph Theory as a Mathematical Model in Social Science. Michigan: University of Michigan - Ann.Arbor.
Han, S.-K. (2009). The Other Ride of Paul Revere: The Brokerage Role in the Making of the American Revolution. Mobilization, 14(2), 143-162.
Hansen, D., B. Shneiderman y S. Smith (2011), Analyzing Social Media Networks with NodeXL, Morgan Kauffman Publishing: 
Hillmann, H. (2003). Factional Politics and Credit Networks in Revolutionary Vermont. ISERP Working Paper (03-02).
Kadushin, Charles (1982). "Social Density and Mental Health" en Marsden, Peter V. and Lin, Nan, Social Structure and Network Analysis. Beverly Hills / London / New Delhi: Sage Publications. (147-158).
Krackhardt, David (1990). "Assesing the Political Landscape: Structure, Cognition, and Power in Organizations", Administrative Science Quarterly, No. 35 (342-69).
Larrosa, Juan M.C. (2006). “Contactos, especialización y litigios: Una revisión del papel del capital humano y social en la profesión legal”. REDES, Revista hispana para el análisis de redes sociales, Volumen Especial: 139-200. ISSN 157 9-0189
Larrosa, Juan M.C. (2012). "Un ejercicio de estudio de una acción colectiva: El 8N en Twitter" [en línea], Red-historia, 3, ISSN 2250-5636, February, 2013. URL: http://historiapolitica.com/redhistoria/2013/02/8n-en-twitter/.
Larrosa, Juan M.C. (2014). Analizando redes de medios sociales. Borrador de cátedra.
Larrosa, Juan M.C. (2015), “Coauthorship and Thematic Networks in AAEP Annual Meetings” Disponible en SSRN: http://ssrn.com/abstract=2614596 o http://dx.doi.org/10.2139/ssrn.2614596
Lin, Nan (2001). Social Capital: A Theory of Social Structure and Action. Cambridge: Cambridge University Press.
Lozares C., Verd J.M., Martí J., López P., (2001). “Relaciones, redes y discurso: revisión y propuestas en torno al análisis reticular de datos textuales” REDES, Revista hispana para el análisis de redes sociales. ISSN 157 9-0189. Vol. 1
Lozares C., (2003). “Valores, campos  y capitales sociales”, REDES, Revista hispana para el análisis de redes sociales. ISSN 157 9-0189. (Revista electrónica) Vol. 4.
Lozares C., Verd J. M., Martí  J., Lopez P. (2003). “Relaciones, redes y discurso: revisión y propuestas en torno al análisis reticular de datos textuales”. REIS nº 101 Enero-Marzo 2003. Pgs.175-200.
Lozares, C. (2003). “Reflexiones metodológicas y sociales a partir del "mundo pequeño" de Milgram”, Araucaria. Revista Iberoamericana de Filosofía, Política y Humanidades, 5 (10): 48-68.
Lozares C. (2005). Modelos matemáticos en sociología.  Volumen de la Enciclopedia Iberoamericana de Filosofía.
Molina, José Luis y Alba Alayo i Gil (2002). "Reciprocidad hoy: la red de unidades domésticas y servicios públicos en dos colectivos de Vic (Barcelona), Endoxa 15 (165-182).
Molina, José Luis; Muñoz Justicia, Juan M.  y Miquel Domenech (2001). "Redes de publicaciones científicas. Un análisis de la estructura de coautorías",  REDES- Revista hispana para el análisis de redes sociales. Vol.1,#3, enero 2002.
Molina JL., Lozares C. García A., (2001). “Presentación: El análisis de redes sociales en España y Latinoamérica”, REDES, Revista hispana para el análisis de redes sociales. Vol1.
Ponce Leiva, P., & Amadori, A. (2008). Redes sociales y ejercicio del poder en la América Hispana: consideraciones teóricas y propuestas de análisis. Revista Complutense de Historia de América, 34, 15-42.
Sheldon Cohen; Ian Brissette; David P. Skoner; William J. Doyle (1999)."Social Integration and Health: The Case of the Common Cold", Journal of Social Structure, Volume 1(3). http://www.heinz.cmu.edu/project/INSNA/joss/sih.html.
Wasserman, Stanley y Katherine Faust (1994). Social Network Analysis Methods and Applications. Massachussets: Cambridge University Press.

Wellman, Barry; Yuk-Lin Wong, Renita Tindall, David y Nancy Nazer (1997). "A decade of network change: turnover, persistence and stability in personal communities", Social Networks 19 (27-50).

(en negrita la bibliografía principal)

domingo, 7 de agosto de 2016

Cooperación y redes sociales entre cazadores-recolectores


Redes sociales y cooperación entre cazadores-recolectores

Nature 481497–501 (26 January 2012)
doi:10.1038/nature10736



Las redes sociales muestran regularidades estructurales llamativa [1], [2], y tanto la teoría como la evidencia sugieren que las redes pueden haber facilitado el desarrollo de la cooperación a gran escala en los seres humanos [3], [4], [5], [6], [7]. Aquí, se caracterizan las redes sociales de los Hadza , una población de cazadores-recolectores de Tanzania [8]. Se demuestra que las redes de los Hadza tienen propiedades importantes que también se ven en las redes sociales modernas, incluyendo una distribución asimétrica de grado, el grado de asortatividad, la transitividad, la reciprocidad, el decaimiento geográfico y la homofilia. Se demuestra que los campos de los Hadza exhiben alta variación entre los grupos y baja variación dentro de grupos de las donaciones en juegos de bienes públicos. Los vínculos de red son también más probables entre las personas que donen la misma cantidad, y la similitud en el comportamiento cooperativo se extiende hasta dos grados de separación. La distancia social parece ser tan importante como la relación genética y la proximidad física para explicar asortatividad en la cooperación. Nuestros resultados sugieren que ciertos elementos de la estructura de red social pueden haber estado presentes en un punto temprano en la historia humana. Además, los primeros seres humanos pueden haber formado lazos con ambos parientes y no parientes, basándose en parte en su tendencia a cooperar. Las redes sociales pueden por lo tanto han contribuido a la aparición de la cooperación.


Los seres humanos son inusuales como una especie en la medida en que se forman uniones duraderas, no reproductivos con individuos no relacionados que-es decir, tenemos amigos. La cooperación es una característica típica de estas amistades 9. Los seres humanos también aprender de ellos y se influyen entre sí, evidenciando una dependencia excepcional sobre la transmisión cultural 10. Estos hechos contribuyen a la propensión de los seres humanos para formar redes sociales, que pueden variar en tamaño desde decenas a millones en el numero de personas 1.

Las redes sociales presentan ciertas regularidades-en empíricos ajustes tan diversos como aldeas, escuelas y lugares de trabajo, en cuanto a la variación en el grado de distribución (número de lazos sociales), la transitividad (la probabilidad de que dos de los amigos de una persona a su vez son amigos), asortatividad grado (la tendencia de la gente popular de hacer amistad con otras personas populares), la reciprocidad (el aumento de la probabilidad de un lazo de salida para ser correspondido con un lazo de entrada de la misma persona), y homofilia (la tendencia de las personas similares para formar lazos). Algunas propiedades (como un grado de distribución de cola gruesa) se pueden ver en muchos contextos (como neuronal, electrónico y las redes sociales). Otras propiedades son más distintivamente social y pueden tener significado adaptativo. Por ejemplo, el grado asortatividad puede limitar la propagación de patógenos 11, alta transitividad puede ayudar a reforzar las normas sociales (aunque también puede reducir el flujo de nueva información), y homofilia pueden facilitar la acción colectiva 12.

Sin embargo, los avances tecnológicos (como en la comunicación, el transporte y los sistemas agrícolas), los cambios demográficos (como la densidad de población, el matrimonio entre grupos y dispersión), y las innovaciones sociales (como en las instituciones formales) han cambiado el paisaje social de los seres humanos a partir de aquel en el que se desarrollaron. Esto plantea la cuestión de si las características observadas en las redes sociales modernizados son antiguos o contemporáneos de origen. Sin embargo, las regularidades observadas en las redes sociales, junto con el hecho de que las redes pueden afectar a diversos resultados a nivel individual, sugiere que la selección natural puede haber jugado un papel en la formación de redes humanas. De hecho, algunos de los atributos de red egocéntricos, tales como el número o el tipo de amigos que una persona tiene, o la tendencia de una persona para ocupar un lugar central en una red, pueden tener una base genética parcialmente 13, 14.

La relevancia de la evolución de las redes sociales también es sugerido por su papel en la cooperación. Las teorías evolutivas de cooperación se basan en suposiciones explícitas o implícitas con respecto a estructura social 3. reciprocidad directa supone que los mismos individuos se encontrarán entre sí en varias ocasiones se han llegado a conclusiones similares respecto 4. reciprocidad indirecta 15. Otros modelos teóricos de la selección de parentesco, asortatividad generalizada 5, competencia entre grupos 6 y las redes sociales 7 también han reconocido explícitamente la importancia de la estructura de la población , lo que demuestra que la cooperación puede evolucionar si los individuos tienden a interactuar con otros del mismo tipo (en cooperadores de los cooperadores y los desertores con desertores). Si las interacciones del mundo real, que no presentan tales asortatividad, a continuación, ninguna de estas teorías puede explicar la amplia cooperación en los seres humanos que observamos hoy en día.

Para descubrir los orígenes posiblemente de adaptación de las redes sociales humanos, y su relación con la cooperación, hemos querido examinar las funciones de red en un entorno evolutivamente relevante, es decir, en una población cuya forma de vida se cree que se asemejan a la de nuestros primeros ancestros [8]. a pesar de que la cooperación está muy extendida en las sociedades humanas, cazadores-recolectores modernos, posiblemente, son ejemplos de esta función de mejor extensivamente compartir la comida, el trabajo y el cuidado de niños. Es probable que los altos niveles de cooperación observadas en los modernos cazadores-recolectores también estaban presentes en los primeros seres humanos [16]. Hasta el momento, poco trabajo se ha centrado en las redes de los cazadores-recolectores. Temas relacionados han incluido estimación del tamaño total de unidades sociales jerárquicas [17], examen de la función de producción de recursos en la organización y de residencia patrones sociales [18], y la evaluación de los alimentos compartir [19]. No sabemos de ningún estudio que ha intentado dar a conocer la completa sociales la red de una población de alimentación para estudiar sus bloques de construcción diádicas (lazos entre pares de personas) y la estructura macroscópica, así como el papel de la cooperación.

Por lo tanto, hemos realizado un estudio de la red sociocéntrico integral de los hadza cazadores-recolectores de Tanzania. Las conexiones entre los individuos fueron identificados en dos formas: los sujetos se les preguntó con quien les gustaría vivir en el siguiente campo (la "red compañeros de campo' [campmate]), y para los que darían un regalo real de la miel (la" red de regalo ") ( ver Métodos). Se estudiaron 205 individuos, y había 1.263 lazos campmate y 426 lazos de regalo. Mediante la medición de un conjunto completo de estadísticas, evaluamos si las redes hadza difieren cuantitativamente a partir de las redes aleatorias en las mismas formas que las redes modernizadas hacen.

Las distribuciones acumulativas de (el número de veces que se nomina a una persona) en grados se muestran en la Fig. 1a. Como es típico de las redes 2, las distribuciones de grado tienen colas significativamente más gordas que un grupo de tamaño similar compuesta de individuos que forman al azar el mismo número de lazos sociales (prueba de Kolmogorov-Smirnov, P <10-15 para todas las comparaciones). distribuciones de grado para las redes campmate macho y hembra no difirieron (prueba de Kolmogorov-Smirnov, P = 0,86 en el grado y 0,59 para el grado de salida).



(a), Las distribuciones acumulados de grados de entrada muestran la fracción de la población que tiene al menos k lazos sociales. Las distribuciones de las redes de compañeros de campo (campmate) y de regalo son significativamente diferentes de las redes aleatorias con el mismo número de nodos y bordes (prueba de Kolmogorov-Smirnov, P <10-15) y tienen los extremos son mayores; las distribuciones aleatorias se muestran por separado para compañeros de campo y redes de regalo (en gris). Las redes de regalo dentro de cada campo (clasificadas por tamaño del campo de la más pequeña, de color amarillo, a mayor, azul) muestran distribuciones similares de en grados. b, estimaciones basadas en modelos diádicos de los lazos sociales (véase la información complementaria) muestran que un 1-S.D.. cambio en la similitud en las características entre dos personas aumenta significativamente la probabilidad de un vínculo social (homofilia). Las líneas horizontales indican intervalos de confianza del 95%. Para las redes de compañeros de campos, el sexo no se incluye porque todos los lazos son del mismo sexo; homofilia para la altura no se muestra porque no encaja en la escala (la estimación es de 801%, 95% intervalo de confianza 549-1,148%), y para la cooperación homofilia se muestra en la Fig. 2c. c, Gráficos de las redes de los compañeros de campo muestran que cooperadores tienden a ser conectado a cooperadores y agrupar juntos (ver también Fig. 2b). el color y el tamaño de los ganglios indica donación, forma indica el sexo. Las flechas apuntan desde un ego (la persona de nomenclatura) a un altar (la persona nombrada). La flecha colores indican si el ego y alterar están relacionados genéticamente, por afinidad (por matrimonio) o nada (amistad).

Al igual que en las sociedades modernizadas 20, nos encontramos con que la probabilidad de un vínculo social disminuye con el aumento de la distancia geográfica (ver complementaria Fig. 6a). De importancia para la teoría de la selección de parentesco, también encontramos que la probabilidad de que dos individuos se incrementa conectados como la relación genética entre el par aumenta, tanto en el campmate y las redes de regalo (ver Fig . 6b complementaria).

Se utilizó el análisis de regresión para evaluar la relación entre las características personales y el grado (véase la información complementaria). Tanto en el redes de compañeros de campo y de regalo, edad, altura, peso y estado civil están positiva y significativamente relacionada tanto con grado de salida y en grados (véase complementario Fig. 7a, b). Por ejemplo, en la red de regalo, un 8,7-cm (una desviación estándar, 1 sd) aumento en la altura está asociado con un aumento del 125% en grado de salida y un aumento del 173% en en grados, lo que sugiere que las personas más altas son a la vez socialmente más activa y socialmente más atractivo. La importancia de estas asociaciones sobrevive cuando añadimos numerosos controles a los modelos, incluidos los efectos a nivel de campo fijo, la distancia geográfica, las relaciones genéticas y de afinidad, cónyuge, relaciones de edad y sexo (véase la información complementaria). Otras características asociadas con el grado en al menos uno de los modelos incluyen la grasa corporal, masa muscular, la fuerza de prensión, el valor atribuido a la carne, y el éxito reproductivo, pero ninguna de ellas sobreviven controles, tanto en las redes campmate y de regalo, excepto la grasa corporal para en grados y la fuerza de prensión para el grado de salida (ver información complementaria).

La selección de socios reproductivos en buena forma física (en las sociedades tradicionales y modernizados) tiene sentido desde una perspectiva evolutiva, teniendo en cuenta las ganancias en los recursos y beneficios genéticos que pueden transmitirse a la descendencia. Pero los cazadores-recolectores también prefieren para formar enlaces con interlocutores que no reproductivas que están en buena forma física, lo que sugiere que esta tendencia también podría ser una práctica frecuente y de origen antiguo. adquisición y procesamiento de alimentos en las recolectoras es mano de obra y requiere mucho tiempo, lo que requiere fuerza y ​​resistencia, así como la habilidad y el conocimiento 21. De este modo, la formación de conexiones con las personas en buen estado físico probablemente se traduce en un aumento de los recursos.

Las redes de Hadza también se parecen a las redes humanas modernizados en la medida en que ellos también difieren de las redes aleatorias con respecto a la reciprocidad 16, 22. Un "yo" (la persona de nomenclatura) es 44,2 veces (95% intervalo de confianza del 37,6 a 51,4) más propensos a nombrar un ' alterar '(la persona nombrada) en la red de compañeros de campo, y 14,3 veces (95% intervalo de confianza del 12,2 a 16,4) más propensos a nombrar un alter en la red de regalo, si el alter correspondido el lazo social también nombrar el ego como un amigo (de hecho, esto ocurre a pesar de que las nominaciones son privadas). La reciprocidad sigue siendo significativo incluso cuando se controla por los lazos familiares genéticos y no genéticos, lo que sugiere que también existe reciprocidad entre individuos no emparentados.

Las redes de los Hadza también evidencian grado de asortatividad. Las personas con mayor nombre en grados más contactos sociales y personas con alto grado de salida son más propensos a ser nombrados (ver complementaria Fig. 7a, b), incluso en los modelos con los controles (incluyendo un control de reciprocidad). En otras palabras, las personas que nominan a más amigos que son populares incluso entre los que ellos mismos no nominan.

Sin embargo, otra característica de las redes Hadza tienen en común con las redes humanas modernizados es que tienen más alta transitividad de lo esperado en las redes aleatorias 23. En las redes campmate, transitividad es 0,17 para las mujeres y 0,16 para los varones, mientras que en las redes de regalo, la media es de transitividad 0.41 (ver figura suplementaria. 7c). En comparación, en las redes al azar con el mismo número de nodos y bordes, transitividad es siempre menor que 0.01.

Volviendo a homofilia (Fig. 1b), en las redes tanto el campmate y de regalo, lazos sociales son significativamente más probable cuando dos personas son similares en edad, altura, peso, grasa corporal y la fuerza de prensión. Por lo tanto, al igual que en otras redes humanas, los cazadores-recolectores que están conectados socialmente tienden a parecerse entre sí. Por ejemplo, un aumento de 7,5 kg (1 s.d.) en la similitud de peso se asocia con una triplicación de la probabilidad (+ 201%) que dos personas están conectados. También hay evidencia de homofilia en el estado civil, la masa muscular, y el valor atribuido a la carne y del baobab, pero estas relaciones no sobreviven en los modelos con los controles, excepto por el valor de la carne en la red campmate (ver información complementaria).

La vida de los cazadores-recolectores se caracteriza por desequilibrios en la productividad y el consumo (por ejemplo, debido a diferencias en la fuerza, que varía a lo largo de la vida de un individuo), y esto se refleja en la división del trabajo [24]. Por lo tanto, se podría esperar que las opciones de compañeros de campamento haría reflejar la complementariedad (heterofilia) en lugar de homofilia. Por otro lado, la homofilia puede facilitar la acción colectiva porque los individuos similares son más propensos a compartir suposiciones, experiencias y objetivos [25], y también debido a la similitud aumenta la empatía, que a su vez facilita la cooperación [12]. No encontramos ninguna heterofilia significativa en cualquier atributo examinado.

También comparó directamente los parámetros medidos hadza a valores de 142 redes sociocéntricas de estudiantes adolescentes en los EE.UU. y a dos redes sociocéntricas de aldeanos adultos en Honduras. Los parámetros hadza caen dentro de los rangos observados en las otras redes, a menudo cerca del centro de la distribución (ver información complementaria). Sin embargo, la comparación de los valores precisos está limitada por, entre otras cosas, la variación en cómo se determinaron los lazos. Se necesitan más investigaciones para aclarar la forma en detalles de la estructura de red social humana pueden variar a través de la configuración, en todo caso.

Los grafos de las redes sociales de los Hadza (Fig. 1C) muestran que tienden a ser estructurado de manera que sea relevante para el comportamiento cooperativo, como se suscitó en juegos de bienes públicos. En particular, hay homofilia en la cooperación: cooperadores tienden a ser conectado a otros cooperadores, y los que no cooperaron a los que no cooperaron.

Aunque se dice que la selección natural para favorecer la deserción en las poblaciones no estructurados, donde todas las personas tienen la misma oportunidad de interactuar unos con otros, la cooperación puede evolucionar si la estructura de población permite la agrupación 5. Esta característica permite a los cooperadores aumento de la población porque se benefician de los bienes públicos proporcionada por compañeros cooperadores con los que interactúan. Una predicción clave de algunos modelos evolutivos es, pues, que no debería ser relativamente más variación en el comportamiento cooperativo entre los grupos en comparación con los grupos dentro de 6. Sin embargo, no se sabe si dicha variedad en el comportamiento cooperativo realmente existe en las poblaciones que se cree que se asemejan a nuestros primeros ancestros humanos .

En la Fig. 2a, se muestra una comparación de la variación observada en donaciones para el bien público a la varianza obtenida cuando mantenemos la estructura de la población fija y reorganización aleatoria la distribución observada de las donaciones a través de todos los individuos. En comparación con el azar, no es significativamente mayor variación entre los campamentos (P = 0,01) y significativamente menor variación dentro del campo (p = 0,01) en el comportamiento cooperativo.



(b) Una comparación de la variación en las donaciones observados con variación en 1.000 simulaciones en las que las donaciones fueron mezcladas al azar entre todos los individuos de la población muestra que entre los grupos varianza en cooperación es significativamente más alto de lo esperado, y dentro de los grupos varianza es significativamente menor de lo esperado, por lo el nivel de campo. b, un análisis del comportamiento cooperativo en todos los campos muestra que la correlación de cooperación se extiende a un grado de separación de las redes de compañeros de campo y dos grados (a los amigos de uno de tus amigos) en las redes de regalo. Por otra parte, no es anti-correlación en tres grados de separación en la red compañeros de campo, lo que sugiere una polarización entre los cooperadores y no cooperadores. c, Correlación de comportamiento no puede explicarse por los cooperadores siendo más probable que se formen o atraer a los vínculos sociales. En su lugar, los sujetos con niveles similares de entrega son significativamente más propensos a ser conectado a nivel diádico. d, Por último, una serie de medidas de proximidad se asocian de forma independiente con similitud en donaciones, pero la proximidad social (la inversa del grado de separación entre dos personas en la red) parece ser tan importante como la proximidad genética (relación) y la proximidad física ( residencia en el mismo campo) en una prueba multivariable. (las redes de regalos se definen sólo dentro de los campamentos y así no se presentan para "campo" y la proximidad 'geográfica' en la Fig. 2d.) Las líneas verticales indican el 95% intervalos de confianza y los asteriscos indican las estimaciones con P <0,05. Ver la información suplementaria para los detalles de los modelos.

Hemos investigado el papel de las conexiones de red con respecto a la variación del nivel de grupo en cooperación mediante el estudio de la tendencia de los individuos cooperativos para ser conectado a otros cooperadores. Regresiónde bien público donaciones de las donaciones de amigos de una persona (ver información complementaria). Cada barra extra de miel donado se asocia con un extra de 0,13 palos (95% intervalo de confianza 0,05 a 0,21) donado por cada amigo en las redes campmate y un extra de 0,21 palos (95% intervalo de confianza 0,10 hasta 0,32) donado por cada amigo en el redes de regalo. Por otra parte, en las redes de regalo, la asociación se extiende a dos grados de separación; amigo de cada amigo dona un extra de 0,15 palos (95% intervalo de confianza 0,07-0,25) por cada pegar una persona dona (Fig. 2b). Y, curiosamente, a los tres grados de separación, existe una importante anti-correlación en las redes campmate (-0.04 palos, 95% intervalo de confianza -0.00 -0.06 a), lo que sugiere que los grupos cooperativos y no cooperativos tienden a polarizarse (aunque esto también podría reflejar un efecto de tamaño finito, dado el pequeño tamaño de la sociedad hadza).

El análisis diádica de las relaciones sociales muestran que las personas que donan más no tienen mayor grado de salida o grados de entrada (Fig. 2c). De hecho, en las redes de regalo, hay una asociación negativa débilmente significativa entre donaciones y, en grados, aunque esta relación no sobrevive en los modelos con los controles (ver información complementaria). Esto sugiere que podemos rechazar la hipótesis de que los cazadores-recolectores incondicionalmente prefieren para formar lazos con sus colaboradores. Sin embargo, hay homophily importante en la cooperación, tanto en el campmate y redes de regalo, y la relación sobrevive en el modelo con controles para la red campmate: cooperadores están conectados preferentemente a otros cooperadores.

Para determinar si la estructura de la red social puede ayudar a explicar la variación en el comportamiento cooperativo, hemos considerado tres tipos diferentes de proximidad que podría estar generando la similitud: geográficas, genéticos y sociales. Si el entorno físico es una fuente importante de variación, a continuación, la proximidad geográfica debería ayudar a predecir la similitud en el comportamiento cooperativo. Además, las personas que viven en el mismo campo deben ser más similares que aquellos que no lo hacen. Si los genes son una fuente importante de variación, la proximidad a continuación genético (medido como la relación) debería ayudar a predecir la similitud en el comportamiento cooperativo. Pero si las redes sociales son una fuente de variación, la proximidad a continuación sociales (medida por separado para las redes campmate y redes de regalo por la inversa de los grados de separación entre dos personas) debería ayudar a predecir la similitud en la cooperación. En los modelos de regresión separados, cada tipo de proximidad está significativamente relacionado con similitud en cooperación (ver información complementaria). Por el contrario, la edad y el sexo similitud no son predictores significativos. Sin embargo, cuando se incluyen todas las medidas de proximidad en un modelo, la proximidad geográfica deja de tener importancia (Fig. 2d). Por otra parte, la proximidad social, medido tanto en las redes campmate y las redes de regalo, parece ser tan importante como la proximidad genética y el campo de co-residencia, lo que sugiere que el comportamiento cooperativo puede ser mejor entendido como un proceso influenciado por una combinación de no sólo los genes y el medio ambiente, sino también a las redes sociales.

Los hadza representan posiblemente una de las salidas más extremas de la vida en las sociedades industrializadas, y permanecen relativamente aislado de las influencias culturales modernas. Sin embargo, todas las propiedades examinadas de las redes sociales en las sociedades modernizadas visto también aparecen en los hadza. En comparación con las redes aleatorias, redes hadza, como las redes modernizadas, exhiben un grado de distribución característica, mayor grado asortatividad, transitividad, la reciprocidad y homophily lo que se esperaría de la casualidad, y un deterioro con la distancia geográfica.

En la medida en que los hadza representan nuestros antepasados ​​difuntos Pleistoceno 8, las propiedades de la red y las preferencias sociales en los hadza de hecho pueden reflejar elementos de la sociabilidad humana a lo largo con el que altos niveles de cooperación humano evolucionado. Si ciertos aspectos de la estructura de la red social humana existían aún más atrás en nuestro pasado homínido no está claro. La evaluación de las semejanzas entre las redes de primates humanos y no humanos es difícil, en parte debido a la naturaleza cualitativa de las relaciones diádicas puede variar considerablemente de una especie a 26. Sin embargo, algunas propiedades de la red pueden ser bastante viejo. Por ejemplo, la edad y el sexo predicen tanto la cantidad como la calidad de muchas de las interacciones de primates, y las redes de primates pueden demostrar homophily 26. Posiblemente, ciertos aspectos de la estructura de red social pueden aparecer en cualquiera de las especies de vertebrados que forman las redes sociales 27, debido a determinadas características estructurales podría facilitar la solución de los problemas comunes a dichas especies (por ejemplo, los relacionados con una acción coordinada, la resistencia a la infección y transmisión de la información).

La capacidad de los humanos para rastrear la ascendencia bilateral y formar relaciones sólidas con los dos grupos de familiares no sólo maximiza sus lazos de parentesco, pero también aumenta su capacidad de moverse libremente; una vez que un organismo es capaz de reconocer kin paternal, el potencial de la endogamia se puede evitar sin la necesidad de evolución para favorecer un patrón de dispersión sexo-sesgada. Mientras que las hembras de chimpancés machos se dispersan y normalmente pasan la vida en su comunidad natal, los cazadores-recolectores de ambos sexos pueden permanecer o salir de su grupo natal 18, con el cambio de los individuos de miembros campamento durante toda su vida. Así, es posible que las limitaciones relajadas en las pautas de movilidad social de los seres humanos siempre una mayor oportunidad de hacer amigos, que a su vez les permite cooperadores más oportunidades para formar lazos con otros cooperadores y romper los lazos con los desertores.

Aunque los hadza tiene una preferencia por los parientes ya que ambos compañeros de campamento y los destinatarios de regalos (que indican un potencial para la selección de parentesco), los hadza también forman activamente muchos lazos con no parientes. De hecho, el trabajo reciente sobre los patrones de co-residencia a través de las sociedades de cazadores-recolectores sugiere que los parientes de primer orden representan menos del 10% de los campamentos residenciales 18, planteando la cuestión de cómo los niveles de cooperación de alto se mantienen en grupos de personas en su mayoría no relacionados. El intercambio generalizado de los alimentos que caracteriza la vida del cazador-recolector es un mecanismo evolutivo plausible, de 24 años, pero las teorías de la selección de parentesco y el altruismo recíproco, que se utiliza para explicar el intercambio de alimentos, han sido criticados debido a que requieren el control sobre la distribución de recursos productor 24. En por otra parte, con independencia de que las recolectoras tienen derechos de productores, que hacen mantener la flexibilidad en la elección de sus amigos y compañeros de prisión, lo que proporciona un cierto control sobre la distribución de recursos.

En resumen, las redes Hadza están estructurados de una manera que es consistente con la evolución del comportamiento cooperativo. Cooperadores tienden a ser conectado a los cooperadores, tanto a nivel diádico y de la red, las condiciones necesarias para sostener la cooperación 28. Este fenómeno no puede explicarse por las diferencias de nivel de campo en el entorno contextual, ya que persiste en un modelo que controla por efectos fijos a nivel de campo. Sin embargo, podría explicarse por dos hipótesis alternativas. Una es que los cooperadores tienden a formar lazos preferentemente con otros cooperadores, dejando desertores más remedio que formar lazos con la no cooperadores 29 restantes. Otra es que las personas pueden influir en el comportamiento cooperativo de sus redes, como se demuestra en estudios experimentales 30. Pero independientemente del mecanismo causal, homophily en la cooperación y la formación selectiva de vínculos de la red a crear las condiciones que harían más fácil para el comportamiento cooperativo que evolucione 28. Esto sugiere que las redes sociales pueden tener co-evolucionado con la cooperación generalizada en los seres humanos que observamos hoy en día.

Métodos

Durante un período de dos meses durante el verano de 2010, encuestamos a 205 adultos (18-65 años de edad, 103 mujeres y 102 hombres), visitando 17 campamentos hadza distintas dentro de aproximadamente 3.825 kilómetros cuadrados (véase el mapa en la información complementaria).

La cooperación se obtuvo mediante el examen de las contribuciones voluntarias de todos los sujetos a un bien público dentro de cada campo. Los sujetos fueron dotados con cuatro palos de miel, el alimento favorito de los hadza 31, y luego se enfrentaron a la decisión de cómo dividir su dotación en una cuenta privada y una cuenta pública cuando los bienes se distribuirán de manera uniforme con todos los demás miembros del campamento de adultos que también jugó el juego (con N sustancialmente mayor que 4). Los sujetos fueron instruidos que pudieran dar cualquier cantidad para el bien público o mantener cualquier cantidad por sí mismos, y sus opciones eran secreto (ver información complementaria). Se les dijo que el investigador se triplicaría cualquier cantidad contribuido al bien público, y que, sólo después de que todos los miembros del campamento de adultos las reglas del juego, que recibirían tanto la miel en su cuenta privada, así como su participación en la miel de las contribuciones sea para el bien público. Tanto las mujeres (media = 2.32, error estándar = 0,12) y los hombres (media = 2,22; error estándar = 0,12) donó un poco más de la mitad de su dotación. Esta es la primera de bien público experimento llevado a cabo con los hadza, y, de manera similar a otras sociedades a pequeña escala, nos encontramos con que el comportamiento hadza no se rige por pura auto-interés 32.

Se recogieron los datos de la red, tanto a nivel de la población y el nivel de campo utilizando un "generador de nombres 'diferente para cada 33. Los hadza viven en campos que consta de aproximadamente 30 individuos (incluyendo adultos y niños) 8; incluimos aquí sólo para adultos (una media de 11,7 (± 6,0) S. D. adultos viven en cada campo). Campos cambian de ubicación cada 4-6 semanas y los miembros individuales en los campos se fluid8. Dado que los alimentos que se pone en el campo es ampliamente shared34, y porque el intercambio de alimentos se cree que es uno de los principales beneficios de la vida en grupo, debido a la alta variación en returns35 alimentaria individual, la elección de con quién vivir es consecuente. Por lo tanto, discernimos vínculos de la red del mismo sexo a través de toda la población hadza preguntando a cada individuo: "¿Con quién le gustaría vivir después de que termine este campamento?" A esto le llamamos la «red campmate '. Los participantes fueron instruidos de que podían elegir hasta un máximo de diez personas, ya sea que viven actualmente en su campamento o fuera de su campo. En promedio, las mujeres eligieron a 6,0 (± 1,9 S.D.) compañeros de campamento y hombres eligieron 7,1 (± 2,1 S.D.) (compañeros de prisión y 3% de las mujeres y el 21% de los hombres eligió el máximo de 10). Para facilitar este proceso y eliminar los posibles errores en la recolección de datos, se utilizó carteles que contienen-frontales completo fotografías faciales de un censo de 517 adultos hadza (ver información complementaria).

A nivel de campo, discernimos vínculos de la red en una forma adicional, novela. Todos los adultos en cada campo (100%) se le dieron tres palos de miel, que se podría distribuir de forma anónima con otros adultos, de ambos sexos, que actualmente vive en su campo. Los participantes se les dijo que podían dar a todos los palos de la miel para una sola persona o distribuirlos a hasta tres personas diferentes, pero, a diferencia de los procedimientos utilizados para obtener la cooperación (que se administraron por separado), no podían mantener los palos por sí mismos . A esto le llamamos la "red de regalo". La red discernido esta manera se obtiene un máximo de 3 grados, pero también es una red ponderada, porque la gente podría optar por dar más miel a ciertos altera. En promedio, las mujeres y los hombres eligieron para dar a 2,2 (± 0,8 S.D.) receptores. Mientras que, normalmente, los regalos entre los hadza no son anónimos e implican efectos de la reputación, los hadza entienden la importancia y viabilidad de un regalo dado forma anónima. Nos elegido para medir los lazos de esta manera porque era objetiva y podría caracterizar fenómenos como la reciprocidad con sesgo limitado.

Por último, se recogieron las medidas antropométricas (incluyendo altura, peso, porcentaje de grasa corporal, masa muscular y la fuerza de prensión manual), así como el estado civil, historias reproductivas, y otras medidas; también computa la relación genética de todos los pares de personas (ver información complementaria). Los datos se analizaron con modelos de regresión GEE 36, 37, y el análisis de confirmación también se realizaron utilizando otros métodos (ver información complementaria).


Referencias

1. Onnela, J. P. et al. Structure and tie strengths in mobile communication networks. Proc. Natl Acad. Sci. USA 104, 7332–7336 (2007)
2. Barabási, A. L. & Albert, R. Emergence of scaling in random networks. Science 286,509–512 (1999)
3. Nowak, M. A., Tarnita, C. & Wilson, E. O. The evolution of eusociality. Nature 466,1057–1062 (2010)
4. Boyd, R. & Richerson, P. J. The evolution of reciprocity in sizable groups. J. Theor. Biol. 132,337–356 (1988)
5. Eshel, I. & Cavalli-Sforza, L. L. Assortment of encounters and evolution of cooperativeness.Proc. Natl Acad. Sci. USA 79, 1331–1335 (1982)
6. Bowles, S. Group competition, reproductive levelling, and the evolution of human altruism.Science 314, 1569–1572 (2006)
7. Ohtsuki, H., Hauert, C., Lieberman, E. & Nowak, M. A. A simple rule for the evolution of cooperation on graphs and social networks. Nature 441, 502–505 (2006)
8. Marlowe, F. W. The Hadza: Hunter-gatherers of Tanzania (University of California Press,2010)
9. Hruschka, D. J. Friendship: Development, Ecology, and Evolution of a Relationship(University of California Press, 2010)
10. Boyd, R. & Richerson, P. J. Why culture is common but cultural evolution is rare. Proc. Br. Acad. 88, 73–93 (1996)
11. Badham, J. & Stocker, R. The impact of network clustering and assortativity on epidemic behaviour. Theor. Popul. Biol. 77, 71–75 (2010)
12. Krebs, D. Empathy and altruism. J. Pers. Soc. Psychol. 32, 1134–1146 (1975)
13. Fowler, J. H., Dawes, C. T. & Christakis, N. A. Model of genetic variation in human social networks. Proc. Natl Acad. Sci. USA 106, 1720–1724 (2009)
14. Fowler, J. H., Settle, J. E. & Christakis, N. A. Correlated genotypes in friendship networks.Proc. Natl Acad. Sci. USA 108, 1993–1997 (2011)
15. Boyd, R. & Richerson, P. J. The evolution of indirect reciprocity. Soc. Networks 11, 213–236(1989)
16. Bowles, S. & Gintis, H. The evolution of strong reciprocity: cooperation in heterogeneous populations. Theor. Popul. Biol. 65, 17–28 (2004)
17. Hamilton, M. J. et al. The complex structure of hunter–gatherer social networks. Proc. R. Soc. Lond. B 274, 2195–2203 (2007)
18. Hill, K. R. et al. Co-residence patterns in hunter-gatherer societies show unique human social structure. Science 331, 1286–1289 (2011)
19. Gurven, M., Hill, K. & Kaplan, H. From forest to reservation: transitions in food sharing behavior among the Ache of Paraguay. J. Anthropol. Res. 58, 93–120 (2002)
20. Onnela, J. P., Arbesman, S., Gonzalez, M. C., Barabasi, A. L. & Christakis, N. A.Geographic constraints on social network groups. PLoS ONE 6, e16939 (2011)
21. Smith, E. A. et al. Wealth transmission and inequality among hunter-gatherers. Curr. Anthropol. 51, 19–34 (2010)
22. Fehr, E. & Fischbacher, U. The nature of human altruism. Nature 425, 785–791 (2003)
23. Davis, J. A. Clustering and hierarchy in inter-personal relations: testing two graph theoretical models in 742 sociomatrices. Am. Sociol. Rev. 35, 843–851 (1970)
24. Kaplan, H. & Gurven, M. in Moral Sentiments and Material Interests: The Foundations of Cooperation in Economic Life (eds Gintis, H., Bowles, S., Boyd, R. & Fehr, E.) 75–113 (MIT Press, 2005)
25. Cole, T. & Teboul, B. J. C. Non-zero-sum collaboration. reciprocity, and the preference for similarity: developing an adaptive model of close relational functioning. Personal Relationships 11, 135–160 (2004)
26. Brent, L. J. H., Lehmann, J. & Ramos-Fernández, G. Social network analysis in the study of nonhuman primates: a historical perspective. Am. J. Primatol. 73, 720–730 (2011)
27. Whitehead, H. Analyzing Animal Societies: Quantitative Methods for Vertebrate Social Analysis (University of Chicago Press, 2008)
28. Nowak, M. A. Five rules for the evolution of cooperation. Science 314, 1560–1563 (2006)
29. Rand, D., Arbesman, S. & Christakis, N. A. Dynamic social networks promote cooperation in experiments with humans. Proc. Natl Acad. Sci. USA 108, http://dx.doi.org/10.1073/pnas.1108243108 (2011)
30. Fowler, J. H. & Christakis, N. A. Cooperative behavior cascades in human social networks.Proc. Natl Acad. Sci. USA 107, 5334–5338 (2010)
31. Berbesque, J. C. & Marlowe, F. W. Sex differences in food preferences of Hadza hunter-gatherers. Evol. Psychol. 7, 601–616 (2009)
32. Henrich, J. et al. In search of Homo economicus: behavioral experiments in 15 small-scale societies. Am. Econ. Rev. 91, 73–78 (2001)
33. Campbell, K. E. & Lee, B. A. Name generators in surveys of personal networks. Soc. Networks 13, 203–221 (1991)
34. Hawkes, K., O’Connell, J. F. & Blurton Jones, N. Hadza meat sharing. Evol. Hum. Behav. 22,113–142 (2001)
35. Smith, E. A. in Hunter Gatherers Vol. 1 History, Evolution and Social Change (eds Ingold, T.,Riches, D. & Woodburn, J.) 222–251 (Berg, 1988)
36. Liang, K. Y. & Zeger, S. Longitudinal data analysis using generalized linear models. Biometrika 73, 13–22 (1986)
37. Schildcrout, J. S. Regression analysis of longitudinal binary data with time-dependent environmental covariates: bias and efficiency. Biostatistics 6, 633–652 (2005)

Nature

viernes, 5 de agosto de 2016

Redes de tráfico de información privilegiada van a la corte

Una maraña de cargos de operaciones de uso ilegal de información privilegiada
Por Diana Henriques y Guilbert Gates - The New York Times


Alguna vez, el abuso de información privilegiada era considerado un crimen de oportunidad - la oportunidad de beneficiarse de una punta inesperada. Hoy en día, los reguladores temen que se ha convertido en un modelo de negocio para algunos fondos de cobertura de Wall Street. En los últimos seis meses, casi dos docenas de personas han sido acusados de participar en un mercado complejo en el que la información privilegiada de compra y vendta con regularidad.

Algunos acusados se han declarado culpables; otros niegan los cargos, diciendo que se beneficiaron de la investigación tenaz, consejos no ilegales.

El gráfico muestra cómo los fiscales describen el flujo de información privilegiada en el caso Galleon Group, y en otros casos relacionados con esta investigación continua.

Haga clic para ir a la página original de la red

miércoles, 3 de agosto de 2016

Un análisis de hashtag: Macy's vs Target

Mapeo de la red de medios de comunicación social: Target vs Macy
Por Marc Smith - 11 de junio de 2015
RIS



C2C, las conexiones entre los clientes, es una fuerza poderosa en el mundo de B2C. La gente está hablando el uno al otro sobre los minoristas, productos, marcas y servicios tanto como que están escuchando a los mensajes de las marcas y las propias empresas.

Los medios sociales han sido un reto para muchas marcas: es un gran florecimiento zumbido confusión de actividad. Pero las herramientas y los métodos de la sociología y la ciencia de la computación son ahora capaces de aportar flujos de medios sociales en el foco, revelando su estructura, personas clave, temas clave, y las divisiones internas.

Los medios sociales son inherentemente en la forma de una red, que está hecho de colecciones de conexiones. En total, cada gusta, enlace, respuesta, hablar, siga, amigo, y / o hacia delante (entre otros tipos de conexiones), forman una red. Las redes son complejas, pero pueden ser analizadas usando las herramientas de matemáticas y ciencias de la computación, informados por décadas de investigación sociológica. El análisis de redes sociales (ARS) es un potente conjunto de herramientas, teorías y técnicas para dar sentido a las redes de conexión que forman entre las personas y los grupos. El ARS es especialmente adecuado para la comprensión de los medios de comunicación social, donde las personas están vinculadas a la gente a través de la comunicación. Pero hasta hace poco, el ARS ha sido una herramienta compleja limitado a los científicos datos avanzados y desarrolladores de software.

Ahora, una herramienta gratuita y abierta disponible que hace análisis de redes sociales de los medios sociales tan difícil como hacer un gráfico circular. La aplicación NodeXL de la Social Media Research Foundation es un complemento para Excel que permite el simple recopilación, análisis, visualización y presentación de informes sobre los flujos de mensajes de una variedad de fuentes de medios sociales. Twitter, Facebook, YouTube, Flickr, wikis, blogs, e-mail, y otras formas de medios de comunicación social son todas las redes inherentes, y que ahora se pueden visualizar y comprender esa forma rápidamente. Construido dentro de la hoja de cálculo Excel familiarizado, el descubrimiento visión general de la red y la exploración complemento simplifica el proceso de obtener conocimientos de la red.

Los mapas e informes de la red destacan la forma general y la estructura de un conjunto de personas conectadas. Las divisiones o grupos que definen los barrios o grupos en la red se vuelven claramente visibles. Muchas redes no son una sola estructura, sino más bien una colección de sub-regiones.

Dentro de estas estructuras a algunas personas a menudo se destacan porque ocupan lugares raros y estratégicos. Algunas personas son "centros" con muchas personas que se conectan a los que no se conectan entre sí. Otros son aislados, la conexión a nadie. Otra posición es el puente, que une dos grupos de otro modo desconectado. En algunos casos las personas son parte de las comunidades, formado a partir de las redes densas de conexiones mutuas.

Estas posiciones y formas cuentan una historia sobre las multitudes que se han reunido en los medios de comunicación social en torno a muchos temas, incluyendo marcas, empresas y productos. Por ejemplo, podemos mapear el patrón de conexión entre las personas que twitteó sobre Target y Macy.

 

En estos mapas podemos ver varias estructuras clave: emisiones hub-and-spoke y clusters marca fragmentados. Estas formas de relieve el papel de las cuentas de la marca (macys yTarget) que han atraído a grandes círculos de re-tweeters su alrededor. En algunos casos, los círculos adicionales, más pequeñas de las conexiones son visibles en los "campeones de la marca" han atraído a sus propias audiencias. El gran bloque de filas de los aislados, las personas que tienen cero conexiones, es un indicador de la visibilidad de la marca de estos minoristas. De diez a veinte por ciento de todos los usuarios de Twitter que mencionan estas marcas nunca dijo el nombre de nadie más ni nadie dice nunca su nombre - que son periféricos, que se encuentra en los bordes de la discusión. Estas personas son como islas en espera de alguien para construir un puente entre ellos y la marca mediante su inclusión en la conversación. Aunque la mayoría de las herramientas de medios sociales ignoran estas personas en los márgenes, la teoría de redes sociales sugiere que son las personas con mayor probabilidad de adquisición de nuevos clientes. En contraste, los cubos altamente conectados, mientras influyente, es probable que ya ser un cliente y no pueden ser adquiridos de nuevo.

Las formas se observan en estos mapas de la red no son las únicas formas que existen. En un informe reciente investigación publicada en colaboración con el Pew Research Internet Project, documentamos las seis formas básicas de las redes de medios sociales que se encuentran comúnmente en muchas plataformas de medios sociales. Esta investigación se centró en Twitter, pero se aplica a muchas plataformas que permiten a las personas responden el uno al otro. Estos seis tipos de patrones de red revelan la diversidad de estructuras posibles en los medios de comunicación social.

Fuente: Pew Research Proyecto Internet

Esta investigación mostró que algunas redes forman un patrón dividido o polarizado, a menudo relacionada con temas políticos o controversiales. Sin embargo, otros carecen de estas divisiones, formando comunidades en grupo donde todo el mundo parece interactuar con casi todo el mundo. Estos patrones densos no son las únicas formas de red de medios de comunicación social, sin embargo. Otros temas, con frecuencia relacionadas con las marcas y los temas visibles públicamente, tienen una estructura fragmentada en la que pocas personas interactúan en absoluto. Marcas menudo tienen 40% a 50% de las personas que mencionan a hacerlo sin mencionar el nombre de otra persona. Estos son los "aislamientos" - islas en la red que contienen sólo una persona cada uno. En una forma más madura de la red de marca fragmentada, algunos grupos conectados pueden crecer junto con el confeti de las personas desconectadas, a menudo formando una colección de pequeños grupos, cada uno con su propio público y el cubo.

Los dos patrones finales son espejos el uno del otro: el cubo y el patrón donde las flechas apuntan hacia adentro o hacia afuera hablaron. Estos son los "difusión" y "apoyo" tipos de red, creada cuando una sola cuenta es el foco principal de un grupo grande que de otra manera no se conectan entre sí. Las cadenas de televisión Hub-and-spoke cuentan un usuario que ha atraído a un público que toda re-pío ellos, pero no se comunican entre sí. En el "apoyo" patrón, una sola cuenta las respuestas a muchas personas por lo demás desconectados, ofreciendo para ayudar a resolver sus problemas de los clientes.

Visto en este marco, ahora podemos volver a los mapas de la red de Macy y Target para ver cómo encajan.

La red de Target se compone de 5.551 usuarios de Twitter cuyos tuits en el rango solicitado contenida "@target OR #target",, o que fueron respondido o se menciona en los tweets sobre el, 4 horas, período de 32 minutos de 4 días a partir del viernes 5 de junio de 2015 a 21:16 GMT a Miércoles, 10 de junio 2015 a las 01:49 UTC.



https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=46912

Los principales hashtags que co-ocurren con "Target" son #target, #toys, #jurassicworldattarget, #jurassicworld, #clothing, #disney, #giveaway, #newborn, #tees, #mplaces.

El pueblo más céntrico de la red de destino son (calificadas por la red de intermediación centralidad):Target,somethingidsay,fbi,mrsednajon,imperfectwomen,vadodimio, carlste503 @, @ big_daddy20000,maintarun,dawnchats.

La red está dominada por el grupo "emisión" (G1) que se centra en la cuentaTarget que está rodeado de re-tweeters que forman un círculo alrededor de él.

El siguiente grupo más grande de la red son los aislamientos, la recogida de las personas que nunca dijo que el nombre de nadie, ni nadie en esta discusión decir su nombre. Son periférica, pero podría ser más central si la marca y otros campeones de marca dedican estos contribuyentes críticos pero menos visibles.

Los clústeres adicionales en esta red también han transmitido patrones hub-and-spoke, lo que sugiere que estas cuentas son campeones de marca, las personas que se dedican tanto a la marca y que han desarrollado una audiencia activa que re-tweets de sus mensajes. Involucrar a estos campeones de la marca es una estrategia crítica que puede ser guiado por ideas de la red de medios de comunicación social. La teoría de la red puede ayudar a identificar rápidamente los "alcaldes" de su red tema.

Por el contrario, comparar esta red de 3.442 usuarios de Twitter cuyo tuits en el rango solicitado contenida "Macys", o que se respondió a, o se menciona en los tweets de más de 4 días, 5 horas, período de 41 minutos a partir de Viernes, 05 de junio , 2015 a las 20:18 GMT a Miércoles, 10 de junio 2015 a las 01:59 UTC.

Al igual que Target, Macy también tiene un patrón hub-and-spoke gran marca, pero, en cambio, cuenta con una población mayor de "aislados" - que sugieren mayor conciencia de marca para Macy sobre Target. Mientras que la red de destino es casi 40% más grande que la red del Macy, Macys tiene una fracción más grande de participantes aislados (21% versus 10%). También ha atraído a un puñado de campeones de marca exitosas que han desarrollado los públicos significativos de su propia que responde a su menciones de Macys.



https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=46911

Los principales hashtags que co-ocurren con "Macys" son: #job, #hiring, #makeup, #sales, #retail, #jobs, #sdcdadsday, #thaliasodicollection, #americanselfie, #macys

Las personas más centrales en la red son Macys (calificadas por centralidad de intermediación de la red):macys,makeuptweeter,macysbeautyjobs,lbpyyz,lta_inc,carinkilbyclark,thalia,scm_guru,gotyoursix,slipnsliderazzi

La red está dominada por el grupo "emisión" (G1) que se centra en losmacys dar cuenta que está rodeado de re-tweeters que forman un círculo alrededor de él.

El siguiente grupo más grande de la red son los aislamientos, los usuarios periféricos que podrían convertirse en más comprometidos.

Los clústeres adicionales en esta red también se han transmitido patrones hub-and-spoke, estas son las personas que están comprometidas tanto con la marca y que han desarrollado una audiencia activa que re-tweets de sus mensajes.

El seguimiento de estos mapas, y los mapas de temas relacionados, marcas y minoristas, puede crear un panorama compuesto de las partes pertinentes del panorama de los medios sociales.

Ambas marcas han promovido hashtags relacionados, en este caseHere vemos que "JurasicWorldAtTarget" ha generado un patrón único hub-and-spoke, mientras que la red "americanselfie" es multi-con cavidades.



En algunos casos, es útil para tratar de cambiar el patrón de la red de una forma a otra para crear una estructura que está optimizada para particulares objetivos de negocio. Comunidades menudo sueñan con convertirse en marcas, mientras que las marcas a menudo buscan hacer crecer sus comunidades.

Métricas de red son por lo tanto útiles "KPI" para el seguimiento de la estructura, así como el volumen de actividad de los medios de comunicación social.

Las redes son una poderosa manera de pensar acerca de los mercados y las conversaciones de los consumidores. Las nuevas herramientas están haciendo análisis de redes tan fácil como hacer un gráfico circular. El resultado es una expansión de la "conciencia de la red", como los tomadores de decisiones de negocios son cada vez más capaces de "pensar enlace" cuando se ven en los medios sociales y datos del mercado.

Interesado en ver qué red de medios sociales de su marca parece? Solicite un mapa de la red muestra gratuita y reporte de http://connectedaction.net


Marc Smith es un sociólogo especializado en la organización social de las comunidades en línea y la interacción mediada por ordenador. Smith lidera el grupo de consultoría Acción Connected y vive y trabaja en Silicon Valley, CA. Smith co-fundó y dirige la Fundación Social Media Research, una organización no lucrativa dedicada a abrir herramientas, datos, y la erudición relacionada con la investigación de medios sociales.

Nota del Editor: Si usted va a la venta al por menor Ejecutivo Cumbre, jun 17 a 19, asegúrese de Twitter sobre el evento con el hashtag # 2015RES. El tweeter más influyente recibirá una tarjeta de regalo de $ 100 y ser nombrado el "Medios de Comunicación Social Mayor" del evento.

lunes, 1 de agosto de 2016

ARS 101: Algoritmo Clauset-Newman-Moore

Encontrando estructuras de comunidad en redes muy grandes

Aaron Clauset,[1], M. E. J. Newman, [2] y Cristopher Moore1, [3]

[1] Department of Computer Science, University of New Mexico, Albuquerque, NM 87131
[2] Department of Physics and Center for the Study of Complex Systems,
University of Michigan, Ann Arbor, MI 48109
[3] Department of Physics and Astronomy, University of New Mexico, Albuquerque, NM 87131

Archivo PDF

El descubrimiento y análisis de estructuras de comunidad en redes es un tema de interés reciente considerable dentro de la comunidad de la física, pero la mayoría de los métodos propuestos hasta ahora no son adecuados para redes muy grandes debido a su coste computacional. Aquí presentamos un algoritmo de clasificación jerárquico para detectar estructura de la comunidad que es más rápido que muchos algoritmos en competencia: su tiempo de funcionamiento en una red con n vértices y m enlaces es O (md log n), donde d es la profundidad de la dendrograma que describe la estructura de la comunidad . Muchas redes del mundo real son escasos y jerárquica, con m ~ n y d ~ log n, en cuyo caso el algoritmo se ejecuta en tiempo esencialmente lineal, O (n log2 n). Como un ejemplo de la aplicación de este algoritmo que utilizamos para analizar una red de artículos para la venta en el sitio web de un gran minorista en línea, los elementos de la red que están unidas si se compran con frecuencia por el mismo comprador. La red cuenta con más de 400 000 vértices y 2 millones de aristas. Se demuestra que nuestro algoritmo puede extraer comunidades significativas a partir de esta red, revelando patrones a gran escala presentes en los hábitos de compra de los clientes.


Figura 2: Una visualización de la estructura de la comunidad a la máxima modularidad. Tenga en cuenta que los principales algunas comunidades tienen un gran número de comunidades "satélites" conectadas sólo a ellas (arriba, abajo a la izquierda, abajo a la derecha). Además, algunos pares de las principales comunidades tienen grupos de comunidades más pequeñas que actúan como "puentes" entre ellos (por ejemplo, entre la parte inferior izquierda e inferior derecha, cerca del centro)