Ciencia de redes

La ciencia de redes es un campo académico que estudia redes complejas tales como redes de telecomunicaciones, redes informáticas, redes biológicas, redes semánticas y cognitivas, y redes sociales, considerando distintos elementos o actores representados por nodos (o vértices) y las conexiones entre los elementos o actores como enlaces (o aristas). El campo se basa en teorías y métodos que incluyen la teoría de grafos de las matemáticas, la mecánica estadística de la física, la minería de datos y la visualización de la información de ciencias de la computación, la estadística inferencial de la estadística y la estructura social de la sociología. El Consejo Nacional de Investigación de los Estados Unidos define la ciencia de redes como "el estudio de las representaciones como red de fenómenos físicos, biológicos y sociales que conducen a modelos predictivos de estos fenómenos".[1]

Antecedentes e historiaEditar

 
Sociograma de Moreno de una clase de 1er grado.

El estudio de las redes emergió en diversas disciplinas como un medio para analizar datos relacionales complejos. El artículo más antiguo conocido en este campo es el famoso Siete puentes de Königsberg escrito por Leonhard Euler en 1736. La descripción matemática de vértices y aristas de Euler fue la base de la teoría de grafos, una rama de las Matemáticas que estudia las propiedades de las relaciones en una estructura de red. El campo de la teoría de grafos continuó desarrollándose y encontrando aplicaciones en química (Sylvester, 1878).

En la década de 1930 Jacob Levy Moreno, un psicólogo de la tradición Gestalt, llegó a los Estados Unidos. Desarrolló el sociograma y lo presentó al público en abril de 1933 en una convención de medicina. Moreno afirmó que "antes del advenimiento de la sociometría, nadie sabía precisamente cómo era la estructura interpersonal de un grupo" (Moreno, 1953). El sociograma era una representación de la estructura social de un grupo de estudiantes de escuela primaria. Esta representación de la estructura social en la red fue tan intrigante que se imprimió en New York Times (3 de abril de 1933, página 17). El sociograma ha encontrado muchas aplicaciones y se ha transformado en el campo de análisis de redes sociales.

La teoría probabilística en la ciencia de redes se desarrolló como una rama de la teoría de grafos con los famosos artículos de Paul Erdős y Alfréd Rényi sobre grafos aleatorios.[2][3]​ Para las redes sociales, el modelo de grafo aleatorio exponencial es una forma de representar el espacio de probabilidades de vínculos que ocurren en una red social. Un enfoque alternativo a las estructuras de probabilidad de red es la matriz de probabilidad de red, que modela la probabilidad de que se produzcan enlaces en una red, en función de la presencia o ausencia histórica de enlaces en una muestra de redes.


Propiedades de redEditar

A menudo, las redes tienen ciertos atributos que pueden calcularse para analizar las propiedades y características de la red. El comportamiento de estas propiedades de red a menudo define un modelo de red y se puede usar para analizar el contraste entre ciertos modelos. Muchas de las definiciones de otros términos utilizados en la ciencia de redes se pueden encontrar en Glosario de teoría de grafos.

TamañoEditar

El tamaño de una red puede referirse al número de nodos   o, menos comúnmente, al número de enlaces   que (para los grafos conexos sin enlaces múltiples) puede variar de   (un árbol) a   (un grafo completo).

En el caso de un grafo simple (una red en la que como máximo existe un enlace (no dirigido) entre cada par de vértices, y en la que no hay vértices conectados a sí mismos), tenemos  ; para grafos dirigidos (sin nodos auto-conectados),  ; para grafos dirigidos con auto-conexiones permitidas,  . En el caso de un grafo dentro del cual pueden existir múltiples enlaces entre un par de vértices,  .

DensidadEditar

La densidad   de una red se define como el cociente entre la cantidad de enlaces   sobre la cantidad de enlaces posibles en una red con   nodos, dada (en el caso de grafos simples) por el coeficiente binomial  , dando  .

Otra posible ecuación es   donde los enlaces   son unidireccionales (Wasserman & Faust 1994).[4]​ Esto da una mejor visión de la densidad de la red, porque mide relaciones unidireccionales.

Coeficiente de clusteringEditar

El coeficiente de cllustering es una forma de medir la propiedad "todos mis amigos se conocen entre sí". También se puede describir como los amigos de mis amigos son mis amigos. Más precisamente, el coeficiente de clustering de un nodo es la proporción de enlaces existentes que conectan a los vecinos de un nodo entre sí sobre el número máximo posible de dichos enlaces. El coeficiente de clustering para toda la red es el promedio de los coeficientes de clustering de todos los nodos. Un alto coeficiente de clustering para una red es otra indicación de una red "mundo pequeño".

El coeficiente de clustering del nodo   es

 

donde   es el número de vecinos del nodo  , y   es el número de conexiones entre estos vecinos. El número máximo posible de conexiones entre vecinos es, entonces,

 

Desde un punto de vista probabilístico, el coeficiente de clustering local esperado es la probabilidad de que exista un vínculo entre dos vecinos arbitrarios del mismo nodo.


Análisis de redesEditar

 
El estudio de las propiedades estructurales y su optimización así como su dinámica son objeto del análisis de redes.

Las redes estudiadas pueden ser de diversos tipos: social,[5]transporte, eléctrica,[6]biológica, internet, información, epidemiología, etc.[7]​ Los estudios realizados sobre las redes abarcan sus estructuras tales como en las redes de mundo pequeño, las redes libres de escala, los círculos sociales, medidas de centralidad. Puede ser objeto de estudio la optimización como en el caso de método de la ruta crítica, el PERT (del inglés Program Evaluation & Review Technique). Así como la dinámica de las redes como puede ser el estudio de sistema dinámico secuencial (SDS del inglés Sequential Dynamical System), o de propiedades como la asignación dinámica de flujos.

Análisis de Redes SocialesEditar

Las redes sociales son objeto de estudio particular en diversos campos que van desde la sociología hasta la gestión del conocimiento en las empresas.[8]​ El estudio se centra en la asociación y medida de las relaciones y flujos entre las personas, grupos, organizaciones, computadoras, sitios web, así como cualquier otra entidad de procesamiento de información/conocimiento. Los nodos en la red en este caso son personas y grupos mientras que los enlaces muestran relaciones o flujos entre los nodos.[9]​ El análisis de redes sociales proporciona herramientas tanto visuales como matemáticas para el estudio de las relaciones humanas.

 
Análisis de redes sociales

En muchos casos el análisis de redes sociales se fundamenta en el estudio de los agentes en la estructura de la red, para ello se hace un análisis de las medidas de centralidad de los actores de la propia red social con el objetivo de ver las relaciones de poder, de protagonismo, confianza, etc.[9]​ Así como la detección de comunidades, grupos, etc. debido a la existencia de clusteres específicos.[9]

Análisis de Redes de TransporteEditar

Las redes de transporte son objeto de estudio particular en ciertos casos donde se pretende analizar el transporte de bienes y personas entre diversas áreas geográficas. Uno de los objetivos de sus estudio es a veces la mejora y la eficiencia del tráfico. En este análisis los nodos suelen ser las ciudades, los aeropuertos, las estaciones, etc. mientras que los enlaces suelen ser las carreteras, las autovías, etc. Es objeto de estudio del análisis de redes de transporte se centra en las características de capacidad tales como la admisión de elementos de transporte: aviones, coches, etc. la capacidad del flujo de bienes, etc. planificación del transporte.

Análisis de Redes EléctricasEditar

El estudio de las propiedades de los circuitos eléctricos y el abastecimiento de energía eléctrica a los diversos puntos de distribución. En el estudio se hace uso de ciertos teoremas como el de Thévenin y Norton así como para que sea posible su estudio simplificado de las mismas.

ReferenciasEditar

  1. Committee on Network Science for Future Army Applications (2006). Network Science. National Research Council. ISBN 978-0309653886. doi:10.17226/11516. 
  2. Bollobás, Béla (2001). Random Graphs (2nd edición). Cambridge University Press. 
  3. Frieze, Alan; Karonski, Michal (2015). Introduction to Random Graphs. Cambridge University Press. 
  4. http://psycnet.apa.org/journals/prs/9/4/172/
  5. "Social Network Analysis: A Handbook", John Scott Ed. Sage Publications Inc, 2000, ISBN 0-7619-6339-1
  6. "Network Analysis and Troubleshooting", J. Scott Haugdahl, Ed. Addison-Wesley, 1999, ISBN 0-201-43319-2
  7. "Network Analysis", Methodological Foundations Series: Lecture Notes in Computer Science , Vol. 3418, Sublibrary: Theoretical Computer Science and General Issues, Brandes, Ulrik; Erlebach, Thomas (Eds.) 2005, XII, 472 p. With online files/update., ISBN 978-3-540-24979-5
  8. "Social Network Analysis: Methods and Applications", Stanley Wasserman, Katherine Faust, Katherine Faust, Ed. Cambridge University Press, 1994, ISBN 0-521-38707-8
  9. a b c CEPAL Charlas Sobre Sistemas Complejos Sociales (CCSSCS): Analisis de Redes1: https://www.youtube.com/watch?v=oy8YxTshZhI&list=UUQbp2yA-gyew7E_tzgOI36A & Analisis de Redes2: https://www.youtube.com/watch?v=1abtP36Wx24&list=UUQbp2yA-gyew7E_tzgOI36A; Curso completo en linea: http://www.martinhilbert.net/CCSSCS.html

Véase tambiénEditar