Archivo de la categoría: NetDraw

UCM Teoría de la comunicación en Publicidad

Hola amigos,

estoy preparando unos talleres en la Universidad Complutense de Madrid.

Les subo el primer boceto.

_

Objetivos generales:

  • Trasmitir a los estudiantes las competencias básicas del análisis en redes sociales
  • Transmitir a los estudiantes las competencias básicas del análisis informacional de los mensajes
  • Transmitir a los estudiantes las competencias básicas en la estructuración factorial de espacios de configuración semántico/estéticos
  • Introducir a los estudiantes en las nociones de relevancia creativa
  • Generar una topología informacional de la comunicación pública de marca en ciertos ámbitos de la publicidad española de 2013
  • Proponer nuevos modos de contextualización publicitaria en la sociedad reticular

Contenidos generales:

  • Teoría de redes
  • Teoría informacional de la percepción
  • Teoría de la relevancia
  • Teoría comunicacional de la creatividad

Metodologías de investigación implicadas:

  • ARS
  • Análisis de la arquitectura informacional de un referente
  • Diferencial semántico
  • Constelación de atributos
  • Estructura factorial de un espacio de configuración semántico

Timing:

  • 5 sesiones de 2 horas

Equipo:

  • 70 estudiantes (14 grupos de laboratorio de 5 miembros)
  • Un facilitador (pueden apuntarse más)

Esquema pormenorizado

Sesión 0: Charla informal

  • Presentación de José Corujeira
  • Utilidad del concepto (por qué hacemos esto)
  • Utilidad de la herramienta (por qué lo hacemos así)
  • Finalidad, (a donde queremos llegar y que nos va aportar)
  • Objetivos. Claros, concretos y factibles.
  • Perfil Basadur

Metodología en el aula:

  • Exposición magistral (80%)
  • Puesta en común de opiniones del grupo (20%)

Sesión 1: ANÁLISIS DE LA CENTRALIDAD DE MARCAS EN LA MODA DE PERTENENCIA DEL GRUPO DE ESTUDIANTES DE UCM

Objetivos:

  • Comentar a los alumnos las nociones fundamentales del Análisis de Redes Sociales (ARS)
  • Transmitir a los alumnos las nociones básicas de trabajo con software de ARS.
  • Realizar un análisis de redes sociales aplicada a la moda de pertenencia de los estudiantes.

Contenidos:

  • Indicadores de centralidad en red: conectividad, intermediación.
  • Coeficiente de clustering.

Metodología en el aula:

  • Exposición magistral (35%).
  • Puesta en común de opiniones del grupo (15%).
  • Laboratorio de investigación en redes (50%).

Metodología de investigación implementada:

  • ARS

Actividades:

  • El docente expone la presentación de la técnica ARS
  • En grupos de 5 los estudiantes generan una lista de marcas que llevan en ese momento en el aula
  • En grupos de 5 los estudiantes generan una matriz de UCINET en la que relacionan personas y marcas
  • En grupos de 5 los estudiantes importan la matriz de UCINET a Netdraw
  • En grupos de 5 los estudiantes analizan los indicadores de centralidad de la red de marcas/usuarios de su grupo
  • 2 grupos de 5 estudiantes cada uno suman mediante UCINET  las matrices generadas
  • Cada equipo de 2 grupos importan la matriz de UCINET a Netdraw
  • Cada equipo de 2 grupos visualizan los indicadores de centralidad de la red de marcas/usuarios de su grupo
  • 2 equipos de dos grupos  de cinco estudiantes cada uno suman mediante UCINET las matrices generadas
  • Esas dos matrices se suman finalmente en la matriz de usuarios marcas de los estudiantes en el aula, aportando una red de la moda de pertenencia del conjunto de estudiantes.
  • En grupos de 5 visualizan el custering la moda de pertenencia en la clase.
  • Cada estudiante analiza la egoNet de la marca de referencia que elija de la red.

Sesión 2: ANÁLISIS DE LOS INDICADORES DE CENTRALIDAD EN LOS CUALIFICADORES DE LA PUBLICIDAD DE REFERENCIA EN DOMINICALES DE PRENSA

  • Revisar las nociones fundamentales del Análisis de Redes Sociales (ARS), revisar las nociones básicas de trabajo con software de ARS.
  • Realizar un análisis de redes sociales aplicada a la comunicación publicitaria en productos editoriales (revistas dominicales de El País, el Magazine de El Mundo, una revista aportada por el / la alumno/a)
  • Actividad extraescolar: (realizar una investigación en profundidad de las marcas que aparecen en las revistas del fin de semana entre sesiones)

Contenidos:

  • Indicadores de centralidad en red: conectividad, intermediación; clustering.
  • Vector propio

Metodología en el aula:

  • Exposición magistral (10%).
  • Puesta en común de opiniones del grupo (40%).
  • Laboratorio de investigación en redes (50%).

Metodología de investigación implementada:

  • ARS

Actividades:

  • El docente revisa lo aprendido en la sesión anterior.
  • En grupos de 5 los estudiantes generan un listado de marcas que aparecen en las revistas dominicales que han traído al aula
  • En grupos de 5 los estudiantes generan una matriz de UCINET en la que relacionan revistas y marcas
  • En grupos de 5 los estudiantes importan la matriz de UCINET a Netdraw
  • En grupos de 5 los estudiantes visualizan los indicadores de centralidad de la red de marcas/revistas de su grupo
  • El docente introduce la noción de Vector propio.
  • Los estudiantes se organizan en equipos por interés en la identidad de alguna de las marcas a análisis
  • Cada estudiante genera un listado de adjetivos que relaciona con la marca
  • Cada equipo de análisis de marca consensua y comunica a los compañeros la lista de adjetivos (6) de la marca analizada
  • Cada grupo de 5 consensua una lista de los adjetivos de análisis de marcas a implementar en UCINET
  • En grupos de 5 los estudiantes genera una matriz en UCINET de relación entre revistas y adjetivos (según la presencia de marcas)
  • En grupos de 5 los estudiantes exportan de UCINET los indicadores cuantitativos del vector propio de la imagen de referencia de la publicidad en cada uno de los medios a través de los adjetivos relativos a las marcas que publicita.

Ejercicio de análisis extraescolar

  • Cada estudiante analiza los dominicales y  observa la relación entre marcas  y adjetivos (de la sesión 2)
  • Cada estudiante  genera una matriz en UCINET de relación entre marcas y adjetivos
  • Cada estudiante genera la representación de la red de adjetivos y marcas mediante Netdraw
  • Cada estudiante analiza los indicadores de centralidad de cualificadores de referencia en la comunicación publicitaria en ese fin de semana: conectividad, intermediación, vector propio

 

Sesión 3: ARQUITECTURA DE LOS MENSAJES PUBLICITARIOS EN LA COMUNICACIÓN PÚBLICA EN DOMINICALES DE PRENSA

  • Transmitir a los alumnos los procedimientos del Diferencial semántico.
  • Realización de un Diferencial semántico de las marcas de referencia aparecidas en las revistas del análisis (de la sesión 2).
  • Comentar a los alumnos las nociones fundamentales de la Arquitectura informacional de un referente
  • Transmitir a los alumnos los procedimientos de la Constelación de atributos.
  • Realizar una constelación de atributos de algunos de los anuncios empleados de moda de referencia

Contendidos

  • Diferencial semántico
  • Modo semántico y modo estético, niveles de originalidad (cantidad de información)
  • Coronas categoriales y periferia de componentes estéticos y semánticos

Metodología en el aula:

  • Exposición magistral (25%).
  • Puesta en común de opiniones del grupo (15%).
  • Laboratorio de investigación en comunicación visual (60%).

Metodología de investigación implementada:

  • Diferencial semántico
  • Constelación de atributos semántico/estéticos

Actividades:

  • El docente expone la técnica de diferencial semántico
  • A gran grupo se seleccionan 3 marcas a analizar
  • En grupos de 5 los estudiantes generan una lista de adjetivos bipolares (relación marca1-marca2; marca1-marca3; marca2-marca3) de las marcas seleccionadas
  • 2 grupos de 5 estudiantes cada uno realizan un diferencial semántico a partir de las listas de adjetivos bipolares del otro grupo
  • El docente expone la arquitectura informacional del referente
  • En grupos de 5 los estudiantes generan un mapa de los conceptos de “estilos de vida” relacionados con las marcas y los adjetivos propuestos en el diferencial semántico
  • En grupos de 5 los estudiantes generan sobre el mapa previo un mapa de referentes estéticos a cada concepto del corpus que se maneja de dominicales
  • El docente expone la técnica de Constelación de atributos
  • En grupos de 5 los estudiantes generan la constelación de atributos estéticos de la comunicación publicitaria de las marcas a análisis

Sesión 4, aquí tal vez podemos hacer dos opciones:

A- Si los estudiantes tienen intereses científicos: TOPOLOGÍA INFORMACIONAL DE LA COMUNICACIÓN PUBLICITARIA

  • Revisar las nociones fundamentales de las técnicas realizadas
  • Transmitir a los alumnos los procedimientos de la Estructura Factorial o EPA
  • Realizar una representación topológica de la información del campo de la publicidad en los ámbitos analizados

Metodología en el aula:

  • Exposición magistral (25%)
  • Puesta en común de opiniones del grupo (15%)
  • Laboratorio de investigación en análisis factorial de contenidos (60%)

Metodología de investigación implementada:

  • EPA

B- Si los estudiantes tienen intereses creativos: NUEVOS ARQUITECTURAS PUBLICITARIAS EN LA COMUNICACIÓN DIGITAL

  • Revisar los resultados de las constelaciones de atributos y la arquitectura informacional del referente de las marcas de referencia
  • Juego de síntesis en mensajes publicitarios. Contextualización: retóricas, arquitecturas informacionales: fondo/forma, Parte/todo, Escala, Metáfora.

Metodología en el aula:

  • Exposición magistral (5%)
  • Puesta en común de opiniones del grupo (25%)
  • Laboratorio de propuestas publicitarias (70%)

No desarrollo las actividades hasta que decidamos la estrategia investigadora/creativa de la experiencia.

Sesión 5: Presentación de resultados

  • Aplicación por parte de los estudiantes de conocimientos aprendidos
  • Comunicar públicamente por parte de los estudiantes de  sus resultados
  • Somera ampliación teórica

Contenidos:

  • Depende de la opción que seleccionemos para la sesión 4
  • Teoría de la relevancia creativa

Metodología en el aula:

  • Exposición magistral (5%)
  • Puesta en común de opiniones del grupo (95%)
  • Laboratorio de investigación en análisis factorial de contenidos (0%)

Actividades:

  • Cada grupo de 5 expone su análisis o síntesis.

Para perfil basadur (si realmente interesa hacerlo):

http://www.basadur.com/howwedoit/TheBasadurProfile/tabid/83/Default.aspx

Para las técnicas de constelación de atributos, diferencial semántico y EPA: https://josemcorujeira.wordpress.com/2013/01/31/3-2-4-metodologias-de-investigacion-implicaciones-para-la-garantia-de-tecnicas-creativas-en-el-ambito-del-design-thinking/

Tratados en profundidad en Técnicas de investigación en comunicación social, elaboración y registro de datos. Gaitán y Piñuel 1998

Para el análisis de redes sociales: https://josemcorujeira.wordpress.com/2013/02/12/dea-4-2-analisis-de-redes-sociales/

Anuncios
Etiquetado

DEA 4.2.5 Análisis de la Moda de pertenencia; un pequeño ejemplo práctico

Suena:

La Javanaise por Serge Gainsbourg
(http://grooveshark.com/s/La+Javanaise/3vJZ3W?src=5)
_

4.2.5 Análisis de la moda de pertenencia; un pequeño ejemplo práctico

Para poder explicar la funcionalidad del análisis de redes sociales lo mejor será implicar lo comentado mediante un ejemplo.

_

corujeira_dea_ARS1

_

Planteamos una actividad en un contexto educativo en el que un grupo de estudiantes van a investigar mediante las técnicas ARS. Un aula es un escenario particular en el que podemos aplicar la investigación en redes sociales para múltiples tipos de relación, por ejemplo de reconocimiento, de influencia, de amistad, etcétera.

Lo primero que vamos a hacer será segmentar el grupo en pequeños grupos de investigación, más por la gestión de la experiencia que por cuestiones de análisis. Por ejemplo, un grupo de 70 estudiantes puede organizarse en 14 equipos de investigación de 5 estudiantes. Esta segmentación puede ser sintetizada en la investigación gracias a las capacidades del algebra de matrices comentada supra. Si buscamos las matrices de relación en cada equipo podemos sumarlas para una red general del grupo.

_

corujeira_dea_ARS2

_

Lo primero que debemos de decidir es la relación que vamos a investigar, el caso puede definirse según los intereses de investigación: centralidad de discursos políticos en la red de estudiantes jóvenes universitarios, estructura informal de celebridad (ver supra pág. 78) en el grupo de estudiantes, intermediación de mitos socioculturales en la publicidad, etcétera.

En el caso de ejemplo nos centraremos en la relación entre usuarios y marcas desde una perspectiva de la moda de pertenencia.

_

corujeira_dea_ARS3

_

Como recopilación de datos hacemos una encuesta en cada equipo de las marcas de ropa que llevan puesta ese día: camiseta, pantalón, calzado, etcétera.

UCINET:

_

corujeira_dea_ARS4

_

El siguiente procedimiento es generar una matriz en UCINET, en el segundo icono del interface está el botón para diseñar la tabla. Haz click y emerge una ventana con la matriz en blanco.

_

corujeira_dea_ARS5

_

Lo primero, en las primeras celdas de columnas y filas debemos tener los agentes de la matriz, en nuestro caso usuarios y marcas. La matriz es cuadrada por lo que columnas y filas tienen los mismos miembros. En el menú Labels/Copy… puedes hacerlo de modo automático.

_

corujeira_dea_ARS6

_

La matriz cuadrada que hemos generado en UCINET puede ser adaptada mediante los cuadros de texto que definen el tamaño de la matriz, está marcado en la imagen. Sobre ello está la descripción de la celda actualmente seleccionada. En investigaciones con redes de mayor tamaño, es un atajo para localizar celdas concretas (relaciones).

_

_

Implementamos en la matriz las interacciones que hemos registrado en las encuestas. Por ejemplo si Elia  lleva 4 prendas de Zara, la celda fila Elia / columna Zara se agrega un 4.

_

corujeira_dea_ARS7

_

_

Guardamos la matriz que hemos generado en una carpeta en la que tenemos los documentos de la investigación. Es importante mantener el orden en los archivos digitales de la investigación, ya que trabajamos con la interacción de archivos entre dos software del paquete.

Pasamos ahora a NETDRAW, para trabajar con las matrices como visualización de redes.

NETDRAW:

_

corujeira_dea_ARS8

_

corujeira_dea_ARS9

_

Lo primero es abrir la matriz de UCINET en Netdraw, para ello acudimos al menú File/open/ucinet database/network.

_

corujeira_dea_ARS10

_

La ventana emergente que se abre nos permite localizar en nuestro computador el archivo que hemos generado en UCINET.

_

corujeira_dea_ARS11

_

Cuando se abre el archivo en NetDraw nos muestra la primera Gestalt que forma la red. En esta visualización aparece la estructura por cercanía de los miembros.

En muchos casos, cuando la investigación supone redes de mayor tamaño (con más nodos), la primera visualización puede ser muy compleja dadas las yuxtaposiciones de nodos,  por ello es bueno establecer algunos layOut de visualización modulizados como perspectivas de análisis. Por ejemplo en Spring Embedding, o en Circle, etcétera.

_

corujeira_dea_ARS12

_

Por ejemplo, nos puede ser útil tener una visión amplia que muestre las relaciones claramente. Para ello la visualización en Circle puede ser muy funcional.

En el menú Layout de Netdraw encontramos los algoritmos de visualización, por ejemplo el de Circle, o dentro del submenú Graph-Theoretic layout el de Spring Embedding.

_

corujeira_dea_ARS13

_

En la imagen superior podemos apreciar la misma red con layout Circle. Las cualidades topológicas de la red muestran con relevancia las conexiones de sus relaciones.

Los tipos de visualización de los datos son modos de coordinación de los componentes respecto a los intereses del investigador. Cada visualización, como Gestalt, aporta un campo de Visual Thinking heurístico en el que desarrollar la búsqueda de patrones en la red.

_

corujeira_dea_ARS14

_

Como hemos comentado el análisis de indicadores de centralidad es un aspecto esencial en el ARS, y los aparatos matemáticos son gestionados por el programa.

En el menú Analysis de Netdraw encontramos varias de las herramientas de análisis del programa. Por ejemplo las medidad de la centralidad, los agujeros estructurales, etcétera.

_

corujeira_dea_ARS15

_

En la ventana emergente del menú se pueden seleccionar los indicadores en los que estamos interesados.

_

corujeira_dea_ARS16

_

Una vez que se han procesado los datos, el software nos da una ventana de aviso. Los datos se han agregado a la matriz con la que estamos trabajando en NetDraw.

Estos nuevos datos que maneja el programa desde la matriz pueden ser propiedades de los componentes de la visualización de nuestra red. Por ejemplo podemos atribuir colores por el IndDegree de los miembros de la red.

_

corujeira_dea_ARS17

_

En el menú Properties de NetDraw encontramos los componentes sobre los que podemos actuar. Las opciones sonbre nodos, líneas, fondo, etcétera son múltiples.

_

corujeira_dea_ARS18

_

En la ventana emergente que aparece al seleccionar cambiar el color de los nodos por Atribute-based, podemos seleccionar el atributo que vamos a mostar.

_

corujeira_dea_ARS19

_

En la imagen superior se muestran los nodos por color según su Indegree.

Asimismo podemos afectar a la propiedad de las líneas que representan los vínculos, por ejemplo si queremos ver cuáles son los vínculos más intensos en la red.

Para ello acudimos al menú de NetDraw Properties/Lines/Size/Tie Strength, para hacerlo.

_

corujeira_dea_ARS20

_

corujeira_dea_ARS21

_

En la imagen superior podemos apreciar las relaciones mostradas por intensidad de interacción.

El uso de las visualizaciones de propiedades de nodos, relaciones, etcétera, dependerá siempre de los objetivos de investigación. La relevancia gráfica de los componentes y relaciones debe de servir para localizar y comunicar los fenómenos que deseamos hacer manifiestos mediante la visualización.

Ese es un trabajo de explorador y entomólogo, podríamos decir. O, siguiendo el trabajo de D’Arcy Wentworth Thompson en una búsqueda de pautas topológicas (Bateson 2006 186)

_

corujeira_dea_ARS22

_

Esto es especialmente relevante en los algoritmos de visualización. Cada layout es acceso a una Gestalt que puede implicar una organización de los valores que conforman la red.

Por ejemplo, Layout>Graph Theoretic Layout>MDS  de NetDraw. MDS stands for (non-metric, in this case) “Multi-Dimensional Scaling.” MDS is a family of techniques that is used (in network analysis) to assign locations to nodes in multi-dimensional space (in the case of the drawing, a 2-dimensional space) such that nodes that are “more similar” are closer together. There are many reasonable definitions of what it means for two nodes to be “similar.” […] There are many, many ways of doing MDS, but the default tools chosen in NetDraw can often generate meaningful renderings of graphs that provide insights. NetDraw has several built-in algorithms for generating coordinates based on similarity (metric and non-metric two-dimensional scaling, and principle components analysis) (Hanneman / Riddley 2005 42)

_

corujeira_dea_ARS23

_

En la imagen superior una visualización por Scaling/Ordination.

_

corujeira_dea_ARS24

_

Es también relevante el uso de herramientas de análisis. En el menú Analysis/Subgroup encontramos las herramientas con las que procesar los coeficientes de custering.  Por ejemplo la opción Girvan Newman.

Los valores de agrupamiento procesados se pueden adoptar como visualización en las representaciones de la red. Por ejemplo, en la imagen infra  en layout Scaling/ordination los nodos están coloreados por los dos clusters que define la operación, en rojo y azul.

_

corujeira_dea_ARS25

_

corujeira_dea_ARS26

_

NetDraw nos permite acceder a los valores que definene cada nodo, para ello solo hay que pinchar con botón derecho sobre el nodo a inspeccionar y seleccionar del menú emergente la opción Attributes.

En la imagen infra vemos los valores asignados a el nodo Zara de la red, con los indicadores de centralidad y factores de clustering.

_

corujeira_dea_ARS27

_

UCINET:

_

corujeira_dea_ARS28

_

Para el trabajo con indicadpres cuantitativos es conveniente trabajar desde el software UCINET, que nos permite exportar documentos de texto con los valores de la red.

Para ello, abrimos la matriz desde el menú Network, por ejemplo para obtener los indicadores de Degree de la red.

_

corujeira_dea_ARS29

_

corujeira_dea_ARS30

_

Los datos cuantitativos calculados por los software de investigación son amplios y permiten articular desde ellos amplios campos de fenómenos.

Las capacidades de algebra de matrices, los indicadores que manifiestan y las capacidades gestálticas que posibilitan las herramientas del ARS pueden ser condiciones que posibiliten mayores o más amplios niveles de análisis.

Por ejemplo, a la investigación sobre moda de pertenencia se puede incorporar una investigación de modas de referencia; simplemente debemos de establecer una recogida de datos adecuada, implementar en la matriz existente los datos de relaciones entre marcas y usuarios, sumar matrices y generar los indicadores que configuren nuestros objetivos de investigación.

¿Cuál es la marca con más conectividad?, ¿cuál la que tiene más influencia?, ¿cuál la que establece mayores procesos de intermediación? Los indicadores de centralidad de la red nos pueden ser útiles en el momento de establecer una topología de la identidad del grupo en relación a las marcas como campo de investigación.

Los algoritmos de clustering y las distribuciones de escalas multidimensionales aplicadas desde este sencillo ejercicio a componentes de los discursos gráficos, por ejemplo, puede ser acceso a un proceso de preparación creativa de un proyecto de diseño de primera índole.

Estas páginas previas sirven de ejemplo, o como manual introductorio, que nos permite entender como diseñar una investigación empleando las técnicas ARS a un objeto.

En el siguiente epígrafe nos ocupamos de cómo emplear esta base metodológica en un particular de los circuitos de difusión cultural en micromedio.

_

siguiente:

DEA 5. 5.1 ERRETRES 5.2 METODOLOGÍA DE LA INNOVACIÓN Y LA AUTO-ORGANIZACIÓN

anterior:

DEA 4.2 ANÁLISIS DE REDES SOCIALES

_

Etiquetado

DEA 4.2 Análisis de redes sociales

Suena:

Je t’aime, moi non plus por Serge Gainsbourg
(http://grooveshark.com/s/Je+T+aime+Moi+Non+Plus/394L4H?src=5)
_

4.2.1 Análisis de redes sociales, cuestiones metodológicas
4.2.2 Nomenclatura
4.2.3 Indicadores de centralidad
4.2.4 Paquete de software de investigación
4.2.4.1 UCINET®
4.2.4.2 NETdraw
4.2.5 Un pequeño ejemplo práctico

_

Tras haber focalizado el contexto en el que vamos a plantear la investigación, comentaremos el método que pensamos testar: el Análisis de Redes Sociales –ARS-; describiendo en el siguiente epígrafe 5 el particular de investigación: erretrés.

_

DEA_corujeira_corujeira7

_

Circuito de difusión de la organización erretrés y su entorno en clusters
tal como la visualizamos en la investigación de este DEA

Estudiar las organizaciones desde una perspectiva reticular, como pretendemos, requiere un par de supuestos y afectan al marco y los esquemas que empleamos:

Supone entender la sociedad –o las organizaciones, comunidades y sociedades- como una estructura de vínculos entre personas , más que como un conjunto de individuos y sus carácterísticas 1 (Reynoso 2008 16).

Esta diferencia afecta al modo de comprensión estadística tradicional en los estudios sociológicos y la representación de dinámicas de sus procesos y fenómenos, como es el caso de la “curva de Bell” de la distribución normal 2 (Reynoso 2008 27) frente a la distribución por ley de potencia comentado supra 3 (ver pág. 87); y a los artefactos tecnológicos empleados en la investigación.

Por ejemplo; como veremos infra, frente a las matrices rectangulares convencionales en el estudio estadístico nos encontramos con matrices cuadradas de relaciones.

“Conventional” sociological data consists of a rectangular array of measurements. The rows of the array are the cases, or subjects, or observations. The columns consist of scores (quantitative or qualitative) on attributes, or variables, or measures. Each cell of the array then describes the score of some actor on some attribute. In some cases, there may be a third dimension to these arrays, representing panels of observations or multiple groups.

The fundamental data structure is one that leads us to compare how actors are similar or dissimilar to each other across attributes (by comparing rows). Or, perhaps more commonly, we examine how variables are similar or dissimilar to each other in their distributions across actors (by comparing or correlating columns).

“Network” data (in their purest form) consist of a square array of measurements. The rows of the array are the cases, or subjects, or observations. The columns of the array are — and note the key difference from conventional data — the same set of cases, subjects, or observations. In each cell of the array describes a relationship between the actor  4 (Introduction to Social Network Methods Hanneman / Riddley 2005 1).

Asimismo, las herramientas de investigación que vamos a testar agregan, al trabajo con matrices de datos, una capacidad de visualización de los mismos; apoyándose en las facultades gestálticas, sincrónicas y simétricas de la visión 5 (Reynoso 2008 16) que se dibujan ante un esquema disponible que posibilita el análisis estructural de una comunidad (1953:95-96) 5 (Moreno cit. en Reynoso 2008 17), en sus diversos modos de visualización de los datos representados.

Reynoso 6 (Reynoso 2008 Cap. 5) propone un relato del desarrollo histórico del aparato matemático y los modos de visualización que han configurado las técnicas digitales de investigación que vamos a conocer en este epígrafe.

Como comentamos supra 7 (ver pág. 84) la teoría de grafos de Euler está como sustrato de la teoría de redes en la que se integran las metodologías de análisis a emplear. El desarrollo de las visualizaciones comenzó con Moreno y sus sociogramas.

_

DEA_corujeira_reynoso3

_

1. Sociogramas de Moreno, que trabajo con el joven Lazarsfeld.

Estudios en la Harvard Business School
2. Movimiento de Relaciones Humanas de Elton Mayo. Por ejemplo la investigación en la factoría Hawthorne, en cuyo diseño trabajo William Lloyd Warner que convirtió los diseños de investigación de Elton Mayo en estudios de relaciones entre individuos o grupos 8 (Reynoso  2008 18)
3. Conrad Arensberg y Eliot Chapple, que trabajaron con la metodología de Warner en Yankee City, aportaron mediciones formales de la interacción y herramientas matemáticas. Chapple (1940) llegó a construir una máquina de escribir especial, llamada “cronógrafo de interacción” para registrar las interacciones mediante observación directa 9 (Ibid.)

Estudios en el Laboratorio de Redes del Instituto Tecnológico de Massachusetts.
4, 5. El trabajo de Alexander Bavelas ayuda a comprender mejor las raíces gestálticas de la teoría de campo de Kurt Lewin; cambiando la perspectiva geométrica de sus mapas por grafos topológicos como los contemplados en las técnicas actuales.

_

DEA_corujeira_reynoso4

_

Figura 7 – Mapa lewiniano y grafo de Bavelas correspondiente 10 (Reynoso 2008 21)

4. Asimismo Bavelas desarrolló antes que nadie estadísticas de centralidad que todavía integran el repertorio analítico de los principales modelos y de los paquetes de software más utilizados 11 (Reynoso 2008 20)
6. Cartwright y Harary le conceden una dimensión sociológica a la moderna teoría de grafos formulada por König; incidentalmente, este último, profesor de Paul Erdös, uno de los padres de la teoría de redes ER comentada supra 12 (ver pág. 84)

De autores como Moreno, Bavelas y Cartwright, así como de las notaciones gráficas de los matemáticos, se derivó la notación que comúnmente se utiliza en teoría de redes sociales 13 (Reynoso 2008 22) y de las técnicas ARS que vamos a conocer.

ARS supone así un trabajo con componentes y relaciones que denominamos nodos y vínculos respectivamente; y con un conjunto de algoritmos de análisis y representación organizadores de ambos aspectos en estructuras reticulares.

La función que le daremos entenderá de agentes comunicativos e intercambios de mensajes; y tratará, mediante el potencial de las herramientas, el calcular indicadores de centralidad -(Información) oculta tras la interacción a través de mensajes- que permitan la descripción de la organización objeto de estudio; siguiendo un paradigma estructuralista de la comunicación como el comentado sobre Moles 14 (ver supra epígrafe 3.2.5)

Mediante esta aplicación metodológica integramos -en este punto del DEA- en el Método de Renovación de la teoría de Moles en curso, el Método de Aplicación de una Teoría comentado supra 15 (ver pág. 11 y sig.); a modo de ejercicio escolar o un problema de clase en matemáticas especiales.

4.2.1 Análisis de redes sociales, cuestiones metodológicas

María Isabel Sánchez Balmaseda  en su tesis Análisis de redes sociales e historia: una metodología para el estudio de redes clientelares 1 (Sánchez Balmaseda 1995) propone unos planteamientos metodológicos a tener en cuenta al enfrentarse a una investigación en redes sociales, ya que según se opte por unas u otras de las diferentes alternativas ante las que el analista de redes se encuentra (por ejemplo, con respecto a qué tipo de relación que se va utilizar para la construcción de la red, cómo establecer sus limites etc…), así se ajustará mejor la metodología a la investigación particular de cada uno 2 (Sánchez Balmaseda 1995 18):

  • Cualidades de los vínculos
  • Niveles de análisis
  • Recolección de datos
    -Selección de datos
    Especificación de límites
    Muestreo
    – Fuentes de datos

Siguiendo dichos planteamientos el análisis de redes que empleamos en el objeto de investigación supone:

Cualidades de los vínculos.

La relación que vamos a investigar en este DEA, siguiendo la tipología propuesta por Knoke y Kuklinski (1982, 15-16) 3 (Ibid.) es la de relaciones de comunicación, [e]n las redes de comunicación se estudia la transmisión de mensajes entre los actores. Aquí caben estudios acerca de la forma de transmisión de rumores o de ideas innovadoras 4 (Ibíd.)

Las relaciones se intentarán mantener dentro de los límites comentados, pero se atenderá a someras implicaciones en relaciones multiplex 5 (Sánchez Balmaseda 1995 21), como pueden ser las establecidas por el rol de los agentes en la organización.

En la forma de las relaciones optaremos por relaciones valoradas, en las que mediante protocolos de registro y obtención de datos incluimos intensidad de relaciones por duración, por ejemplo 6 (ver infra 5.3); y un registro para relaciones con signo 7 (ver infra 5.2).

Dado el objeto de interés en nuestra investigación, y el objetivo de obtener un grafo dirigido, buscamos las relaciones direccionadas, añadiendo una punta de flecha a cada línea, de tal manera que la dirección de la flecha indica la dirección de la relación 8 (Sánchez Balmaseda 1995 30)

Niveles de análisis.

El estudio, por las características solicitadas al investigador 9 (ver infra 5.1), pretende   detectar la estructura informal de la organización a estudio y el stress comunicacional que soportan determinados nodos como cuellos de botella  10 (Louise Clark  2006 5) de los procesos.

Por ello se investiga a nivel de la Red completa y Red egocéntrica o personal –en nuestro caso denominada egoNet- de determinados agentes.

Recolección de datos.

Las descripciones pormenorizadas sobre la recolección de datos y procedimientos de registro se tratarán en cada particular infra 11 (ver 5.2 y 5.3).

Como esquema partimos de una perspectiva nominalista al limitar la investigación, en la que se toma en cuenta el marco conceptual del investigador, esto es, los límites no vienen dados por la realidad, sino que se adecúan a los propósitos analíticos del investigador 12 (Sánchez Balmaseda 1995 33); como estrategias para la especificación de límites atenderemos a Atributos de los actores, Relaciones sociales y Participación en eventos 13 (Laumann et al (1983, 22—24) Cit en Sánchez Balmaseda 1995 34 y sig.)

La recolección de datos provendrá en un particular de la Observación directa 14 (ver 5.3) y en el otro de los Documentos de archivo 15 (ver 5.2).

4.2.2 Nomenclatura

El diccionario funcional en el análisis de redes sociales es muy amplio y las definiciones son especializadas en muchos de sus términos, especialmente en el vocabulario de indicadores cuantitativos y muchos de los algoritmos de análisis.

En la nomenclatura que recogemos en este epígrafe se muestra una sucinta lista no exhaustiva de términos que sirven para comprender los aspectos tratados en la investigación.

  • Centralidad: medida posible de un vértice en dicho grafo, que determina su importancia relativa dentro de éste 1 (wikipedia centralidad). La centralidad se determina para un nodo dependiendo de indicadores como son: conectividad o degree, intermediación o betweenness, cercanía o closeness, etcétera; que definimos infra.
  • Cluster: un cluster es un grupo conectado de hubs y nodos que comparten relaciones, en nuestro caso relativas a flujos de información. En una red puede haber diversos conjuntos de clusters disipando información del proceso en distintos patrones.
  • Diámetro de una red: el camino corto más grande entre cualquier par de vértices  [nodos] que conforman la red 2 (Análisis, comparativa y visualización de redes sociales online representadas como grafos Néstor Martínez Arqué 2011 28).
  • Hub: es un nodo con un número muy elevado de vínculos, con relación al conjunto de nodos de la red; un nodo de conectividad significativa.
  • Layout: modo de asignación de valores para mostrar una visualización. Por ejemplo el layout Spring Embedding de Netdraw evita solapamiento de nodos en una visualización en red, mientras que el layout circle localiza los nodos en una forma elíptica.

_

DEA_corujeira_4

_

Aplicación de layout Spring Embedding (izqu.) y Circle

  • Matriz: normalmente en redes son tablas de doble entrada cuadradas en las que se recogen las interacciones entre componentes.
  • Nodo -o vértice en grafos-: Cada uno de los puntos que se representan en la imagen es por ejemplo una persona de una organización que está en la red. En nuestro caso cada nodo corresponde a una persona de la organización o una institución de su entorno.
  • Vínculo: es la representación gráfica de una relación entre nodos. Pueden ser dirigidos en los que se marca el agente y paciente de la relación. En nuestro caso son las interacciones comunicativas registradas, sea mediante un correo en la investigación de red de emails o mediante una interacción presencial en el estudio durante la observación sistematizada.
  • Tamaño de una red: [u]sually the size of a network is indexed simply by counting the number of nodes 3 (Hanneman / Riddley 2005 95).

4.2.3 Indicadores de centralidad

La determinación de la centralidad de la red, como hemos comentado iniciada por las aportaciones de Bavelas, es uno de los objetivos de la investigación en redes.

Con ello se determina en la representación los nodos con mayor influencia de la configuración: sea esto por su elevada conectividad, por su importancia en la distribución en la red, sea por su agrupación en los conjuntos de la organización y sus relaciones.

Por su relevancia en la investigación definimos para un nodo:

  • Conectividad, degree: grado de un vértice [o nodo] es el número de conexiones asociadas a él 1 (Néstor Martínez Arqué 2011 26).

En los grafos dirigidos, como el que vamos a trabajar en este DEA, es posible diferenciar entre InDegree, o número de conexiones entrantes, y OutDegree o conexiones salientes de cada nodo.

  • Cercanía, closeness: suma o promedio de las distancias más cortas de un nodo hacia los demás. En una red de flujo esta medida se puede interpretar como el tiempo de llegada a destino de algo que fluye a través de la red. También puede interpretarse como la rapidez que tomará la propagación de la información desde un nodo a todos los demás 2 (wikipedia Centralidad)
  • Intermediación, betweenness: cuantifica el número de veces que un nodo esta en el camino entre otros nodos como puente. Muy relévate con relación a las teorías como las comentadas de Moles o de Csíkszentmihályi; la medida de intermediación y el control de los micromedios: en un proceso de difusión, si el valor de intermediación de un nodo es alto entonces puede actuar como un broker; y si es suficientemente alto como para controlar el flujo de información, entonces puede actuar como un guardián 3 (Ibíd.).
  • Centralidad de vector propio, eigenvector: mide el factor de influencia de un nodo en la red; si está el nodo bien conectado a otros nodos bien conectados. Los nodos más centrales en este sentido corresponden a centros de grandes grupos cohesivos. Mientras que en el caso de la centralidad de grado, cada nodo pesa lo mismo dentro de la red, en este caso la conexión de los nodos pesa de forma diferente 4 (Ibíd.).

Por su relevancia en la investigación debemos conocer también:

  • Coeficiente de clustering: cuantifica qué tanto está agrupado un nodo con sus vecinos. El clustering de un nodo i es el ratio del número de enlaces existentes sobre todos los enlaces posibles entre sus vecinos 5 (Néstor Martínez Arqué 2011 27).

Se denomina a este coeficiente también como transitividad (wikipedia Coeficiente de agrupamiento).

  • Distribución de grado: distribución de probabilidad de un grado en un grafo 6 (Ibíd.). Como comentamos supra encontramos la topología Poison –curva de Bell, relacionada con las redes ER-; la exponencial; y las redes libres de escala 7 (Ibíd.).

El Degree nos permite conocer la densidad del flujo de datos por la red, la máxima cantidad de datos en los nodos. El Betweenness nos permite conocer cuáles son los nodos por los que pasa rápidamente la información en la red. Son grandes puentes entre grupos de nodos en los que suceden múltiples acciones.

La centralidad mediante sus indicadores nos permite comprender el flujo de información y los cuellos de botella de la red a analizar, así como trazar configuraciones visuales de modos de agrupamiento.

_

DEA_corujeira_corujeira8

_

Evolución del indicador degree en dos semanas de investigación en erretrés

El aparato matemático que sustenta los indicadores es procesado por los softwares que se emplean en la investigación, por lo que es posible acceder al estudio de redes sin una formación matemática especializada.

4.2.4 Paquete de software de investigación

Existen en la red múltiples aplicaciones informáticas que sirven para la investigación en redes sociales. En el particular de la investigación en este DEA se han empleado dos programas: Ucinet ® y NetDraw.

4.2.4.1 UCINET® 1 (https://sites.google.com/site/ucinetsoftware/home)

Es un programa que permite trabajar con matrices en las que implementar los resultados del registro que queremos analizar. Permite el álgebra de matrices de manera simple y fácil de manejar, como puede ser la suma, resta, reorganización, etcétera.

Las matrices son el sustento de la investigación.

_

DEA_corujeira_5

_

Imagen de una matriz de Ucinet ®

4.2.4.2 NETdraw 1 (http://www.analytictech.com/downloadnd.htm)

Es un programa que permite la visualización de las matrices en estructuras reticulares, aportando el procesamiento de algoritmos de análisis, modos de visualización cualificadores gráficos en nodos, vínculos o configuraciones, cálculo de indicadores de centralidad y coeficientes de clustering, etcétera.

Netdraw proporciona la Gestalt que dibujan las matrices de Ucinet ®

_

DEA_corujeira_6

_

Imagen del interface de NetDraw

Comentando el valor de las técnicas que vamos a tratar, Reynoso afirma: después de una larga siesta interpretativa y posmoderna, al fin tenemos entre manos un enorme paquete de nuevas técnicas susceptibles de ser comunicadas, enseñadas y aprendidas. Como muy pocos, este paquete se ha convertido en un objeto óptimo de reflexión e intercambio. Se trata de técnicas que crean hábito, y de las que quienes las han probado con algún grado de éxito no encuentran fácil desembarazarse 2  (Reynoso 2008 23).

4.2.5 Un pequeño ejemplo práctico

_

Siguiente:

4.2.5 ANÁLISIS DE LA MODA DE PERTENENCIA; UN PEQUEÑO EJEMPLO PRÁCTICO

Anterior:

DEA 4. METODOLOGÍA DE INVESTIGACIÓN 4.1 FOCALIZACIÓN EN EL OBJETO

_

Innovación organizacional: @erretres_design, visualización de datos

Voy a subir unas primeras visualizaciones de la investigación en redes sociales que forma parte de la I fase del proceso de innovación en erretres, consultora de identidad y diseño fundada en el año 2002 por Pablo Rubio Ordás en Madrid (su web aquí).

Las imágenes representan la investigación de la red de email de la organización durante tres semanas de julio; y una primera aproximación a una observación sistematizada de las interacciones comunicativas del equipo de diseñadores, directores de arte, medios, producción, project manager y dirección, realizada durante 6 sesiones en las oficinas de erretres.

Empezaremos observando unas visualizaciones de datos que pertenecen a la red de email y cerraremos con la primera de la serie de imágenes de la observación sistematizada, investigación que he empezado hoy y de la que subo representaciones de un único día.

Hay un par de cosas que deben de conocerse para entender las imágenes que van a ver.

Por un lado los objetos representados:

NODOS: Cada uno de los círculos que se representan en la imagen es una persona de una organización que está en la red de erretres (como entorno de clientes, proveedores, medios, etc…; o como la propia organización de erretres).

Hay que tener en cuenta que los números del 1 al 9 en los nodos representan a las personas del equipo de erretres.

1. Dirección
2. Medios, internacionalización, rrpp
3. Project Manager
4. Administración y producción
5. Dirección de arte grupo 1
6. Dirección de arte grupo 2
7. Diseñadora comodín
8. Diseñadora grupo 1
9. Diseñador grupo 2

INTERACCIONES: Las líneas que van de nodo a nodo son las interacciones comunicativas registradas, sea mediante un correo en la investigación de red de emails o mediante una interacción presencial en el estudio durante la observación sistematizada.

Por la configuración de nodos y relaciones podemos identificar un tipo especial de nodo:

Hub, es un nodo con un número muy elevado de interacciones con relación a la conectividad de otros nodos (ver nota al final).

También hay que conocer 2 de los indicadores fundamentales en el momento de describir la centralidad de una estructura de red.

CENTRALIDAD (ver más aquí)

Degree: es el número de interacciones que gestiona cada nodo. Si un nodo ha mandado 3 mails y recibido 5 su Degree es 8; inDegree de 5 y outDegree de 3. En castellano se emplea conectividad.

Betweenness: es el número de veces que un nodo aparece en el camino más corto entre otros nodos. En castellano se emplea un término que explica claramente su función: intermediación.

El Degree nos permite conocer la densidad del flujo de datos por la red, la máxima cantidad de datos en los nodos. El Betweenness nos permite conocer cuales son los nodos por los que pasa rápidamente la información en la red. Son grandes puentes entre grupos de nodos en los que suceden múltiples acciones.

La centralidad mediante sus indicadores nos permite comprender el flujo de información y los cuellos de botella.

CLUSTER

Un cluster es un grupo conectado de hubs y nodos que comparten flujos de información. En una red puede haber diversos conjuntos de clusters disipando información del proceso en distintos patrones.

En esta investigación vamos a emplear la generación de visualización de datos de clustering mediante Girvan Newman (ver más aquí) de NETDRAW.

VISUALIZACIÓN

En esta presentación de imágenes hemos empleado NETDRAW para visualizar tablas que hemos generado en UCINET.

Los tipos de visualización que vamos a emplear (layout) son:

Spring Embedding: nos muestra la red con relaciones de interacción, pero separa los nodos y permite la visualización de todos los actores de la red; al espaciar los componentes hace menos difícil percibir patrones.

MDS gower: es un tipo de visualización mediante Multi Dimendional Scale, permite imaginar las interacciones en un espacio topológico (ver aquí) dependiendo de los indicadores de centralidad y características de las interacciones.

MDS Scaling/ordination: otra de las visualizaciones MDS realizadas por NETDRAW.

(MDS ver más aquí)

Pasamos a las visualizaciones.

Interacción mail.

(para ampliar las imágenes, pincha en ellas)

Disfrutar de la red como de una configuración casi cósmica, la red de emails de 15 días.

En la visualización usamos el Layout Spring Embedding para visualizar todos los nodos, hemos agregado los nodos de los miembros de erretres en naranja y el entorno en gris.

En esta visualización hemos aplicado a las líneas de interacción un valor de intensidad por fuerza de relación, si mandas más mail entre esos nodos la representación de la línea es más intensa.

Ahora nos aproximamos a los nodos de la red anterior donde vemos representados los miembros de erretres. Podemos comprobar por el color de los nodos los diversos roles: rojo, dirección; azul, medios…; amarillo, project manager; gris, producción…; rosa, grupo creativo 1; verde oscuro, equipo creativo 2; verde claro, diseñadora comodín.

La misma visualización en la que agregamos la intensidad de línea por fuerza de interacción.

Del análisis de redes sociales de email dibujamos la estructura de centralidad de la organización, los nodos con mayor estress comunicacional.

Para ello nos basamos en el indicador de degree, que señala en número de interacciones entrantes y salientes; y del de betweenness, que señala la intermediación de un nodo en los procesos de red generales, las veces que un nodo es vínculo en procesos de red. Para ampliar las imágenes, pincha en ellas.

Evolución de los indicadores de Degree en tres semanas

Evolución de los indicadores de Betweenness en tres semanas

La configuración de la red del sistema, organización erretres más entorno de clientes, proveedores, rrpp, medios…. resulto muy dispersa pero con diversos clusters y varios nodos hubs.

Volviendo a la visualización de la red completa, mostramos en esta imagen los nodos y su Degree. Los nodos más oscuros son los nodos con degree más alto.

En la imagen superior la configuración según Betweenness, como la anterior los nodos más oscuros tienen en betweenness más alto.

Al hacer el análisis de agrupamiento Girvan Newman, comprobamos los clusters que se generan con esa configuración de Degree y Betweenness para estas semanas de mail.

Podemos apreciar el cluster que conecta con el hub nodo 2 (azul); el cluster que se mantiene por la interacción de los hubs 4 y 3 (negro) ; y el cluster del equipo creativo conectados por el Hub nodo 1 (naranja)

Cambiamos el layout a las opciones de NETDRAW Graph theoretic Layout / gower.

Perciban la configuración topológica (ver aquí) que muestra el layout. Casi se puede ver la forma en el espacio de relación de intensidades de información en/tre los componentes. Los colores de los nodos del equipo muestran los clusters que vimos.

Se visualiza perfectamente el clique (ver aquí) de los hubs de mayor centralidad en la organización (2,4,1), atractores de los clusters. Se ve en la representación de intensidad en las líneas en forma de triángulo central en la topografía.

Esta otra visualización mediante Scaling/ordination en la que podemos percibir la gravitación de los hubs de la organización. Los colores de los nodos del equipo muestran los clusters que vimos. visualizamos por tamaño del nodo la relación organización / entorno, la organización muestra los nodos más grandes.

Comprueben de nuevo las distancias relativas de los nodos hub de la red, 2, 4, 1. Al colorear los nodos por cluster comprobamos que el naranja es más intenso y difuso. El cluster negro apoyado en dos hubs (el 4 más intenso) y el azul con una dispersión de baja intensidad.

Para cerrar la visualización a los datos de la red de email, volvemos a la visualización Spring Embedding, con una visión cenital de la red.

Podemos visualizar tras el análisis previo la estructura de comunicación de la red de emails. El cluster naranja del equipo creativo; el cluster de interacción de los hubs 4 y 3 en negro, gestionando la producción y  control de calidad de proyectos; el cluster del hub 2, azul, abriendo la organización desde el social networking.

Cada cluster describe en la visualización aspectos relevantes de la organización y su comportamiento actual por medio de la interacción virtual. La complejidad de la organización interna del equipo creativo, el sistema de doble atractor de los hubs 3 y 4 y su compleja organización en red, la focalización difusa del hub 2.

Interacción Presencial.

Las imágenes a continuación son la representación de la red interna de interacciones en las oficinas de erretres.

Tengan en cuenta que son las primeras representaciones, más bien son el resultado del ejercicio que he realizado para saber cómo trasladar los datos del formulario de observación que usé en las sesiones, a las visualizaciones.

Para ello he procesado la información del primer día de la investigación y he generado las tablas en Ucinet. Lo que sigue es la visualización de esa primera tabla desde NETDRAW; está cargada de errores en el momento de extraer los datos, por lo que las visualizaciones no son correctas.

Teniendo en cuenta eso, y el hecho de que es la representación de un único día de la serie; es relevante por la diferencia estética en la visualización y la información de la propia organización en su interacción comunicativa.

En esta primera imagen en layout Spring Embedding los miembros de erretres.

La propia representación pasa a percibirse de una manera diferente, no sé si les pasa. Para mí la cosa adquiere un tono como de microscopio, no ya de telescopio.

La red de interacciones presenciales muestra evidentemente un número de nodos más bajo. Son los miembros de la organización en el espacio de trabajo.

Los nodos se muestran por color de rol: dirección negro; medios…, gris claro; project manager, azul oscuro; producción…, gris oscuro; grupo creativo 1, azul claro; grupo creativo 2, naranja; diseñadora comodín, verde claro.

Las líneas muestran la intensidad de interacción, así los mas intensos son los que que tienen las lineas más gruesas.

Visualizamos la misma red con layout Gower. Podemos apreciar de nuevo la percepción topológica de la red. La intensidad entre los grupos creativos 1 y 2 (nodos azul claro y naranja  ), la interacción 5, 3, 7 en el caso de la finalización de un proyecto.

Visualización de Degree, los nodos más oscuros son los nodos con indicador más alto.

Visualización de Betweenness, los nodos más oscuros son los nodos con indicador más alto.

Visualización con el MDS Scaling/ordination -multidimensional scale- con los nodos mostrando el indicador de Betweenness por color, los nodos más oscuros son los nodos con indicador más alto. Las líneas muestran intensidad de interacción.

Visualización con el MDS Scaling con los nodos mostrando el indicador de rol: : dirección negro; medios…, gris claro; project manager, azul oscuro; producción…, gris oscuro; grupo creativo 1, azul claro; grupo creativo 2, naranja; diseñadora comodín, verde claro.

Esta última imagen muestra la organización de los nodos con respecto a su ubicación espacial en el estudio.

Espero que hayan disfrutado del “cosmos de los data”.

Nota: La configuración de hubs en la red de email de erretres parece confirmar que es una Scale Free Network.

Por curiosidad, al analizar la red de mails de esta fase de investigación, pudimos hacer una aproximación al modelo de distribución de los email Outdegree comprobando la significativa representación de una distribución de ley de potencia, con un long tail 20/80. Este aspecto nos permite entender la configuración de comunicación como Scale Free Network.

Gráfica de OutDegree

Etiquetado

SOCIAL NETWORKS. Metodología de observación, estudio de caso.

Para ver visualizaciones iniciales de la investigación, pincha aquí

Hola amigos,

le subo una información de una de las metodologías que voy a emplear en una investigación sobre innovación en organizaciones en breve. Espero que les interese.

Lo primero, un par de videos:

Este especialmente relevantes para entender los indicadores, la siguiente presentación de slideshare:

Social Network Analysis

http://www.slideshare.net/gcheliotis/social-network-analysis-3273045

Y para el método:

Manual para el Mapeo de Redes
como una Herramienta de Diagnóstico
Louise Clark

http://revista-redes.rediris.es/webredes/textos/Mapeo_redes_LC06.pdf

Después el índice:

FASE I Observación:
0.I Objetivo
0.II Métodos
0.III Ecosistema (espacial presencial esquema inicial)
I.I Investigación de la red de interacciones presenciales en . a. Obtención y registro de datos
I.II Investigación de red de emails de relativos a los proyectos en curso a. Obtención y registro de datos
I:III Representación y análisis mediante NETDRAW
a. Tabla UCINET®
b. Representación de red inicial
c. Representación de red enriquecida
d. Indicadores mensurables desde NetDraw.

Descárgate el pdf completo desde [JA]20120531_Investigación_FASEI_observacion_sin

Descargate modelo de informe desde Informe SNA (observación)

0.I Objetivo:
Conocer la red de interacciones (presenciales / extensiones -Mcluhan-) informales en . Descripción de clusters, centralidad, intermediación. Conocer la ego-net de  x
0.II Métodos:
A. Sociogramas interacciones presenciales
. Observación sistematizada (días específicos de observación):
– muestreo cada 30’ de situación general.
– focalización en el sujeto de observación por interacción.
. Auto-observación (días específicos de observación)
– muestreo por interacción.
B. Network Email: (mes julio?)
. Análisis de flujo de e-mail por actor / rol / proyecto / solución-problema

Formulario observación sistematizada:

Formulario de auto-observación:

Procedimiento investigación Network Email:
o Cada email que deba ser incluido en la investigación debe de tener como destinatario adjunto una cuenta de correo abierta para la investigación que recibirá diariamente el flujo.
o Los datos de control de la observación:
Emisor
Receptor
hora
día
Proyecto
Cualificador

Las cuatro primeras variables nos la aporta automáticamente el sistema de mail, las últimas dependen de la volición de los actores al incluir la información en el “asunto” de su mail.

Para permitir una representación cualificada de ciertas partes del proceso, dependemos de que los participantes en la experiencia codifiquen el asunto de sus mensajes intranet de proyectos siguiendo el siguiente protocolo:

PROYECTO / ENVIO-RESPUESTA / SOLUCIÓN-PROBLEMA-EVALUACIÓN

Del siguiente modo, por ejemplo: [P02R +]_Tipografía portada para responder una solución a un problema en proyecto 2 con relación a la tipografía de la portada.

Notación empleada:
P01…. (ejemplo de proyecto 1) E / R / V (como Enviar, Responder, Evaluar) + / – (solución, problema nuevo)

Un ejemplo del meme sería: 20120709_10:13_pabloxID5_P01E+_tipoportada (opcional)

Matriz UCINET:





Visualización red inicial  en NETDRAW:


Visualización red enriquecida en NETDRAW:

Indicadores mensurables en NETDRAW:



Para una descripción de los indicadores: http://www.slideshare.net/gcheliotis/social-network-analysis-3273045

Bajar NetDraw: http://www.analytictech.com/downloadnd.htm

Bajar Ucinet: https://sites.google.com/site/ucinetsoftware/home

Descárgate el pdf completo desde [JA]20120531_Investigación_FASEI_observacion_sin

Algo de epistemología:

http://carlosreynoso.com.ar/hacia-la-complejidad-por-la-via-de-las-redes/

http://carlosreynoso.com.ar/archivos/varios/Hacia-la-complejidad.pdf

Y unos de manuales:

Introduction to social network methods

4. Working with NetDraw to visualize graphs

http://faculty.ucr.edu/~hanneman/nettext/C4_netdraw.html

Manual para el Mapeo de Redes
como una Herramienta de Diagnóstico
Louise Clark:

http://revista-redes.rediris.es/webredes/textos/Mapeo_redes_LC06.pdf

haveFUN&connect

PD, [20120601]

Estoy dándole vueltas a la codificación de la investigación que te he mandado. Intento crear una sola tabla de excel para recopilar todas las entradas y poder controlarla desde NetDraw, aún estoy en ello.

Por ahora el protocolo de la tabla es más o menos así:

Día_Hora_E.C. (extremos de condensación emirec)_C.I. (código de método -observación, auto observ, netmail-)_CAT (categoría: proyecto 01, …)_CASO

Por ejemplo:

20120710_10:30_ID05xID02_OB_3
en el particular de que la observación del día 10 de julio a las 10:30 ID02 se haya acercado a ID5 a decirle algo (al ser la observación sistematizada (C.I=OB), no tengo datos del caso más que 3 -no P01, o +,-).

Otro ejemplo:

20120710_10:30_ID05xID02_AO_P01_E+,
en este caso, al ser el informe de autoobservación (C.I. = AO) de ID 05, podemos apreciar que ID 05 ha emitido una solución para el proyecto 01 hacia ID02

Esto me permite generar un protocolo que integra todas las entradas (observación sistematizada, autoinforme, mails) en una misma tabla de excel. Lo que estoy tratando ahora es de averiguar si esa forma de organización (eficaz en el almacenamiento de la documentación y corpus), me permite en su uso por NetDraw un manejo mejorado al que ahora conozco según el método que te comenté en el mail anterior (las matrices enriquecidas en NETDRAW desde UCINET).

Etiquetado ,

NETWORKS: PROGRAMAS

Hola amigos,

he estado mirando unos softwares para la investigación de un proyecto de innovación organizacional con los amigos de erretres

Les subo unas imágenes de los resultados, y si lo prefieren en pdf por tener los links activos pinchen [JA]20120529_software

HaveFUN&create

Etiquetado , , , ,
Anuncios