1 of 26

Análisis de redes sociales

Naim Bro

Universidad Adolfo Ibáñez

​

​

Link al programa

​

2 of 26

3 of 26

4 of 26

5 of 26

6 of 26

7 of 26

Introducción al análisis de redes sociales

8 of 26

Ego medidas

    • Grado
    • Betweenness
    • Closeness
    • Eigenvector

9 of 26

Grado

  • Número de conexciones
    • ¿Quién tiene más amigos?
  • Tango: 0 a n-1

10 of 26

Eigen-centralidad

  • Extensión natural de grado
  • Un nodo es central si está conectado a otros notos importantes
  • Range: 0-1
  • En qué casos grado y eigencentralidad no sirven?

11 of 26

Betweenness centrality

  • Número de caminos más cortos que pasan por nodo
    • Nodo entre todos los otros nodos
  • Rango entre 0 y el número de caminos (menos los que parten de ego)
  • Se puede medir el betweenness para los ejes, también
    • Edge betweenness

12 of 26

Closeness (cercanía)

  • A veces no necesitas conocer el número de amigos o quién está en medio
  • Closeness
    • Distancia entre tú y todos los otros nodos
    • ¿Quién puede esparcir un rumor más eficientemente?

13 of 26

14 of 26

Medidas globales

    • Densidad
    • Distancia
    • Componentes

15 of 26

Medidas globales (1): Densidad

  • Número de ejes dividido todos los posibles ejes

16 of 26

Medidas globales (2): Distancia

  • Distancia promedio entre todos los pares de nodos conectados
    • También se llama distancia geodésica

17 of 26

Medidas globales (3): Diámetro

El camino más largo entre nodos conectados

18 of 26

Medidas globales (3): Componentes

  • Tamaño del componente principal = 2
  • Nodos aislados = 1

19 of 26

Medidas meso

    • Estructura centro-periferia
    • Detección de comunidades

20 of 26

Meso (1): bloque cohesivos

Moody, James & Douglas White (2003), “Structural Cohesion and Embeddedness: A Hierarchical Concept of Social Groups”, AJS, v. 68, 1

  • Anidaje jerárquica de bloques cohesivos
  • Número de nodos que se debe remover para desconectar a un grupo

21 of 26

1

2

5

6

7

9

8

4

3

10

14

11

12

13

k = 0

1

2

5

6

9

8

4

3

10

14

11

12

13

7

k = 1

1

2

5

7

9

8

4

3

10

14

11

12

6

13

k = 2

1

2

5

6

7

9

8

4

3

10

14

11

12

13

k = 3

Ejemplo de niveles de conectividad

(a)

(b)

(c)

(d)

22 of 26

23 of 26

Meso (2):�Detección de comunidad

Edge betweenness (Girvan & Newman, 2002)

    • De arriba-abajo, remueve intermediaries y evalúa el mejoramiento de modularidad

Louvain (Blondel et al, 2008)

    • De abajo-arriba, fusiona nodos iterativamente hasta que la modularidad deja de mejorar

Walktrap (Pons & Latapy, 2005)

    • Random walks

Label propagation (Raghavan et al, 2007)

    • Cada nodo tiene una etiqueta distinta; luego, a cada nodo se le asigna la etiqueta de la mayoría de sus vecinos

Otros

    • Spinglass
    • Leading eigenvector
    • Fastgreedy
    • Infomap

24 of 26

25 of 26

Inferencia causal

    • Exponential Random Graph Models (ERGM)
      • Predice eje como función de atributos de nodos y estructura de red
      • Observaciones de red no son independientes; ERGM aisla el efecto de interés de efectos de red endógenos
        • Cierre triádico
        • Reciprocidad, etc
      • Genera miles de redes artificiales y compara ajuste a la red observada
      • Implementación: paquete R statnet
    • QAP
      • Controla dependencias pero no las modela
      • Accesible y bien implementado
      • Implementación: paquete R Statnet
    • Stochastic Actor-Oriented Models (Siena)
      • Para redes dinámicas
      • Implementación: paquete R RSiena

26 of 26

DATOS

ICPSR

https://www.icpsr.umich.edu/icpsrweb/index.jsp

Cosponsorship data

http://fowler.ucsd.edu/cosponsorship.htm

Stanford Large Network Dataset Collection

https://snap.stanford.edu/data/

Citation networks

https://aminer.org/citation

National Longitudinal Survey of Adolescent Health (Add Health)

http://www.cpc.unc.edu/projects/addhealth

​