Suena:
(http://grooveshark.com/s/Tu+Veux+Ou+Tu+Veux+Pas/3IoLhX?src=5)
_
_
Graphing the history of philosophy. Simon Raper 1
-Red de Wikipedia-
(http://drunks-and-lampposts.com/2012/06/13/graphing-the-history-of-philosophy/)
En 1998, 31 años después de la publicación de Sociodinámica de la cultura, Albert-László Barabási, Eric Bonabeau, Hawoong Jeong y Réka Albert hicieron un descubrimiento crucial. Internet es una Scale Free Network.
En la investigación sobre Internet, donde esperaban encontrar una red aleatoria descubrieron un orden implicado 2 (Bohm / Peat 2007): la totalidad de la Web se sustentaba en unas pocas páginas altamente conectadas, que en el modelo se identificaron como hubs; la gran mayoría de los nodos, comprendiendo más del 80% de las páginas, tenía poquísimos vínculos, menos de cuatro 3 (Reynoso 2007 45).
Este descubrimiento comprende cómo la teoría de Moles ha sido superada por el desarrollo del pensamiento científico 4 (como veremos infra 7.1.1). La Cultura en Mosaico que visiona desde su estética estadística, azarosa, aleatoria; ha quedado integrada finalmente por algún sentido de articulación –poniendo en orden a nivel formal el desorden existente a nivel real 5 (Martín Serrano 1977 38 cit. Franco 2011 5)- que se muestra en las redes libres de escala –redes LE-.
La web -modelo prototípico de comunicación que el sentido común podría entender en mosaico-está realmente auto-organizada; ya que las redes LE obedecen leyes de escala que son características de los sistemas que se auto-organizan 6 (Reynoso 2007 46). No es una red aleatoria.
Esta intuición ya la planteaba Moles en las metodologías de investigación que hemos comentado 7 (ver supra 3.2.4), pero su apego a un estructuralismo comunicacional le remitían a la aleatoriedad en la que desembocaba; a una entropología 8.
_
_
Map o interacting proteins 9
(Scale Free Networks Barabási, Bonabeau pág. 59
http://www.barabasilab.com/pubs/CCNR-ALB_Publications/200305-01_SciAmer-ScaleFree/200305-01_SciAmer-ScaleFree.pdf )
Mas esa intuición, esa Gestaltung de Moles, puede ser derivada a una hipótesis en la que la cultura se auto-organiza, como vemos supra en la visualización de la red de la filosofía según la base de datos de Wikipedia realizada por Simon Raper.
Y este patrón puede ser isomorfo en múltiples fenómenos denominados complejos.
Tras la primera comprobación, comenzó a hacerse evidente que las redes de este tipo aparecían en los contextos lógicos y materiales más disímiles: relaciones sexuales, citas bibliográficas entre miembros de la comunidad académica, colaboraciones en reportes de investigación, alianzas tecnológicas, relaciones entre actores de cine, sinapsis neuronales, contactos entre personas en una organización, cadenas alimentarias, conexiones entre organismos vinculados al metabolismo o proteínas reguladoras, propagación de enfermedades y virus informáticos 10 (Barabási y Bonabeau 2003; Liljeros y otros 2003 cit. en Reynoso 2007 46)
Esa intuición de Moles – que le llevó a las investigaciones de Orgood sobre el intercambio de citas bibliográficas entre miembros de la comunidad académica, y su coeficiente de interacción 11 (ver supra pág. 71)- puede ser una intuición operativizable y de la que rescatar, en sus restos, una descripción del cómo aplicando ciertas reglas de ensamblado o de eliminación, localicemos aspectos esenciales para nuestro caso de la creatividad.
¿Es la creatividad aleatoria, o es un proceso complejo en el que las redes de ítems se auto-organizan?; puede entonces ser una dicotomía cargable de plausibilidad para plantear cuestiones previamente esbozadas 12 (ver supra págs. 66, 69).
¿Es el producto creativo, más que una ontología de profundidad en el sujeto o el objeto, un efecto de superficie 13 (Lógica del sentido Deleuze 9 y sig.) reticular?, atractor extraño.
Pero, ¿cómo aproximar un objeto desde el marco que conocemos hacia esta actualización del lenguaje y las formas con las que explicamos la realidad empírica, manteniendo unas diferencias directrices que hagan una diferencia significativa?
En este punto del DEA -tras haber dedicado una relativa extensión al marco teórico de Abraham Moles- empezamos un proceso de profundidad 14 (ver supra pág. 37) en esa superficie; mediante el método de renovación de la teoría comentado supra 15 (ver pág. 12).
Entonces, apoyados en ese aspecto concreto esbozado en la propuesta de Moles, y con la advertencia comentada en la página anterior; redes.
Pregunta. ¿Podría explicar en pocas palabras la importancia de la Ciencia de las Redes?
Respuesta. Tanto los sistemas sociales como los biológicos son redes. No puedes entender la sociedad sin saber quién habla con quién, quién influye a quien, quien manda sobre quién y no puedes entender una célula si no sabes qué genes está conectados. La siguiente pregunta es ¿Cómo podemos usar la información de esa red para entenderlas? Lo que hemos aprendido en los últimos diez años es que una vez que conocemos los vínculos entre los elementos tenemos muchos datos para conocer el sistema. En un sistema social es interesante saber quién se relaciona con quién para, por ejemplo, iniciar una campaña para influir sobre alguien. Igualmente si las farmacéuticas conocen la interconexión entre las moléculas tendrán un punto de partida muy sólido para desarrollar sus medicinas. La red no es lo único, pero conocerla es indispensable para conocer el sistema. 16 (László Barabási: «Las redes sociales ayudan a que el mundo sea cada vez más predecible» El País 15 NOV 2011 http://tecnologia.elpais.com/tecnologia/2011/11/15/actualidad/1321351264_850215.html)
_
_
Redes según Paul Baran
Centralizada – Descentralizada – Distribuida
Primero la cronología del caso.
Carlos Reynoso en su texto Redes libres de escala en ciencias sociales: Significado y perspectivas 17, propone, entre otros, 5 hitos en la evolución la Teoría de Redes que vamos a integrar.
_
_
(1) El fundamento matemático, sustrato en la teoría de grafos que nace con Euler y el problema de los puentes de Königsberg –ciudad nunca abandonada por Kant- hacia 1736; (2) los trabajos de la sociometría de Moreno, comentados supra 18 (ver pág. 72 y sig.), representado por uno de sus primeros sociogramas autógrafos de 1932; (3) los trabajos en organizaciones laborales desde los estudios del fundador del Movimiento de Relaciones Humanas, Elton Mayo 19 (Reynoso 2007 17), como la investigación de Fritz Roethlisberger y William J. Dickson en la famosa factoría Hawthorne de la Western Electric en Cicero, Illinois, entre 1927 y 1933 20 (Ibíd.); (4) la descripción de las redes ER –aleatorias- por Erdös y Rényi desde la década de 1950; y, actualmente (5) las Scale Free Network objeto de nuestro interés.
_
_
Random versus Scale-Free Networks 21
(Ibid. Nota 7 de 3.3.3 pág. 53)
Debemos inicialmente caracterizar las redes LE; y para poder conocer su caracterización el modo más simple es compararlas con las redes ER.
En términos informacionales podríamos decir que mientras en las redes aleatorias hay una organización de conectividad de cierta simetría, en la de las scale free network hay un desequilibrio negentrópico.
RANDOMNETWORKS, which resemble the U.S. highway system (simplified in left map), consist of nodes with randomly placed connections […] with most nodes having approximately the same number of links. In contrast, scale-free networks, which resemble, the U.S. airline system (simplified in right map) contain hubs (red) nodes with a very high number of links. In such networks […] most nodes have just a few connections and some have a tremendous number of links 22 (Ibid.)
El desequilibrio significativo que demarca las redes LE –some nodes have a tremendous number of connections to other nodes, whereas most nodes have just a handful 23 (Barabasi / Bonabeau 2003 52)- frente a las ER en las que los nodos tienen aproximadamente un mismo número de conexiones, supone características particulares.
Reynoso resalta, entre otros, tres aspectos esenciales que diferencian redes LE de redes ER: el efecto de los pequeños mundos, el umbral de percolación y la robustez 24 (Reynoso 2007 48)
Por ejemplo, Internet es una red robusta pero frágil. Destruyendo el 80% de los nodos de menor conectividad seguirá funcionando; pero es muy sensible a los ataques selectivos que desconecten un hub importante de la red.
Podríamos afirmar que mientras mantiene una gran flexibilidad en la razón de sus nodos pequeños, la desaparición de un hub desencadena una catástrofe generalizada 25 (Thom 2008 118)
In general, scale-free networks display an amazing robustness against accidental failures, a property that is rooted in their inhomogeneous topology. The random removal of nodes will take out mainly the small ones because they are much more plentiful than hubs. And the elimination of small nodes will not disrupt the network topology significantly, because they contain few links compared with the hubs, which connect to nearly everything. But a reliance on hubs has a serious drawback: vulnerability to attacks 26 (Barabasi / Bonabeau 2003 56)
Otro de los aspectos comentados por Reynoso, el umbral de percolación cero 27 (Reynoso 2007 48) de las redes LE, es relevante al caso tratado por Moles de la difusión del mensaje cultural.
Mientras en las teorías clásicas de la difusión, de las epidemias por ejemplo, se pensaba que debe superase ese umbral de percolación mínimo para extenderse un virus -ya que de otro modo terminará extinguiéndose- la investigación en las redes libres de escala demuestran lo contrario.
Recently, though, Romualdo Pastor Satorras of the Polytechnic University of Catalonia in Barcelona and Alessandro Vespigniani of the International Center for Theoretical Physics in Trieste, Italy, reached a disturbing conclusion. They found that in a scale-free network the threshold is zero. That is, all viruses, even those that are weakly contagious, will spread and persist in the system 28 (Ibíd.)
Reynoso comenta que esta característica viral, buscada actualmente en múltiples modos de comunicación pública -[v]iral marketing campaigns, for instance, often specifically try to target hubs to speed the adoption of a product 29 (Barabasi / Bonabeau 2003 58)- ha contradicho, en la investigación reciente, el modelo clásico de difusión del flujo de los dos pasos popularizado por Paul Lazarsfeld, Elihu Katz y sus colegas 30 (Reynoso 2007 48).
En algunos escenarios, ciertamente, los formadores de opinión son responsable de dramáticos efectos de cascada; pero los modelos matemáticos recientes parecen comprobar que esas instancias son más la excepción que la regla: en la mayor parte de los casos, los influenciadores son sólo un poco más importantes que los individuos comunes (Watts y Dodds 2007). 31 (Ibíd.)
Este particular puede tener relevancia en la teoría de los micromedios de Sociodinámica de la cultura, y en el modelo sistémico de Csíkszentmihályi.
El último aspecto es sobradamente conocido por el experimento de Milgram. En 1967, Stanley Milgram ideó una nueva manera de probar la teoría, llamada el problema del pequeño mundo, que justifica su conocida expresión de seis grados de separación.
Si alguien tiene cien o mil conocidos (un número realista) y cada uno de éstos tiene otros tantos, cualquier miembro de la población humana estará entre unos ocho y unos diez pasos de distancia geodésica de cualquier otro. Esta es la esencia de la idea de los mundos pequeños 32 (Reynoso 2007 42); es un caso que vemos de manera aproximada en una red como puede ser LinkedIn.
¿Es la creatividad aleatoria, o es un proceso complejo en el que las redes de ítems se auto-organizan?
Resulta atractivo conjeturar x (Popper 1991) sobre hasta dónde dichos aspectos se pueden aplicar a lo que vamos limitando como creatividad en este texto. Sea entender como hubs o clusters de sentido las zonas de conexiones fáciles propuestas por Moles para su constelación de atributos, la trama misma de nuestro espíritu, atributo esencial de lo que hemos llamado moblaje del cerebro 33 (ver supra pág. 68); sea su descripción de la celebridad desde los umbrales de percolación cero 34 (ver supra pág. 78) para explicar la difusión de innovaciones en nuestra red global; sea desde la descripción de un habitus de pequeño mundo, abierto a la conexión posible de lo distante a seis grados de separación, en las correlaciones de largo alcance 35 (Prigogine 1999 28).
Ley de potencia
Una relación de ley de potencia entre dos magnitudes escalares x e y es una relación que se puede escribir de este modo
y = axk
donde a (la constante de proporcionalidad) y k (el exponente de la ley de potencia) son constantes. Puede decirse que este exponente es la característica principal de la distribución, pues describe de qué manera cambia ésta como función de la variable subyacente. Por ejemplo, si el número de ciudades de cierto tamaño decrece en proporción inversa a su tamaño, el exponente es 1. Si decrece inversamente al cuadrado el exponente es 2, y así sucesivamente (Reynoso 2007 49)
Las redes ER presuponen distribuciones normales o Gaussianas (para mediciones continuas), o distribuciones de Poisson (para mediciones discretas) (Reynoso 2007 27), mientras que la distribución representativa de las LE es por ley de potencia.
_
_
Random versus Scale-Free Networks
La inclinación de esa línea mide la dimensión fractal y, según afirman muchos, la complejidad del sistema (Reynoso 2007 49).
_
_
Human Centered Design de IDEO pág. 41
Este nuevo modo de entender la distribución de fenómenos, entre los que se puede contar la difusión de mensajes, afecta al propio modo de entender sociológico. Las curvas normales son aún una forma de representación supuesta en los marcos teóricos de metodologías del Design Thinking como la que vemos supra; pero la preceptiva estadística de las ciencias sociales presupone erróneamente que esta clase de distribución es dominante.
Tratando el asunto Reynoso comenta.
[C]omo puede verse en ambas puntas de la curva, siempre hay muy pocos individuos altísimos y muy pocos también de bajísima estatura, o poquísimos genios y gente de poca inteligencia (o como se los llame). La diferencia entre los ejemplares extremos y el pico sería de menguada magnitud: cuatro o cinco órdenes como mucho, jamás del orden de los miles o los millones (Sornette 2006: 94). Dicho de una forma algo más rigurosa, aún en el extremo de aleatoriedad absoluta de una ley gaussiana, las desviaciones de la media mayores a unas pocas desviaciones estándar son muy raras, como si hubiera límites precisos a los grados de libertad del mismo azar. Desviaciones mayores a 5, por ejemplo, nunca se ven en la práctica. Es absolutamente obvio que una entidad caracterizada por este constreñimiento refleja muy pocas características de la vida real (Reynoso 2007 28).
Por lo tanto no hay una medida típica, ni hay valores promedios que describan el conjunto; para la estadística tradicional, esos sistemas son casi intratables. Por añadidura, las redes LE obedecen leyes de escala que son características de los sistemas que se auto-organizan (Reynoso 2007 28).
In that sense, the system has no «scale.» The defining characteristic of such networks is that the distribution of links, if plotted on a double-logarithmic scale [right graph), results in a straight line (Barabasi / Bonabeau 2003 53).
Un caso de la misma lógica descrito por Moles lo comentamos anteriormente con respecto a los precios de las ediciones de lujo de la Divina Comedia de Dalí relacionado con el número de ejemplares (ver supra pág. 78) al aplicar el principio de Pareto (Reynoso 2007 52); o en la ley de Zipf (Ibid.)
_
_
Estructura de mundo pequeño y una distribución de ley de potencia,
que ilustra la red de co-ocurrencia de un fragmento de Moby Dick.
(Reynoso 2007 55)
Esta distribución está entre las leyes más frecuentes que describen la invariancia de escala en muchos fenómenos materialmente disímiles (Reynoso 2007 49); la cuestión a partir de este punto del DEA será buscar el modo de encontrar estos patrones en lo que describimos como creatividad, y los límites que dicha renovación puede tener al definir una didáctica comunicacional de la innovación.
Hemos intentado en los capítulos previos desambiguar ciertos modos de hablar de creatividad; conociendo el sistema conceptual de Kant, el de Csíkszentmihályi y el de Moles, este último tratado en extensión para poder encontrar los matices de su teoría en los que ubicarnos en una perspectiva de la complejidad.
Desde las facultades del Genio y su Gusto a la evolución memética. Describiendo modos en los que comprender la creatividad en un marco comunicacional en el que entender la transmisión de originalidad mediante el uso de la palabra información.
Como hemos comentado las palabras son ambiguas; y la información como palabra demandará ser desambiguada en el proceso que se desarrolla en este DEA.
Por ahora, desde este punto del texto en el que nos asomamos a la experiencia metodológica de esta investigación, mantenemos los límites que hemos delineado en dichos sistemas conceptuales y funciones descritas.
En el próximo capítulo, partiendo de la descripción de circuitos de difusión cultural hecha por Moles en Sociodinámica de la cultura, testaremos, mediante la investigación de una organización creativa referencial del ámbito del diseño contemporáneo en España -erretrés-, el Análisis de redes sociales (ARS).
_
Siguiente:
DEA 4. METODOLOGÍA DE INVESTIGACIÓN 4.1 FOCALIZACIÓN EN EL OBJETO
Anterior:
_
Ejemplo de diagnóstico usando Análisis de Redes Sociales (ARS) pincha aquí
Informational Design 