Este documento presenta un resumen de la historia y los tipos de análisis de redes sociales. Comienza con los orígenes del análisis de redes con Euler y continúa describiendo conceptos como las matrices de adyacencia, sociogramas, redes aleatorias, el efecto de seis grados de separación, redes de preferencia de unión, y medidas de centralidad. Finalmente, recomienda la herramienta Gephi y recursos adicionales para el análisis de redes sociales.

1. ANÁLISIS DE
DATOS EN REDES
SOCIALES
Miguel Rebollo
@mrebollo
mrebollo@upv.es

2. UN POCO DE HISTORIA…

3. Orígenes

5. Euler (1796)
El problema consistía en encontrar un camino que cruzara todos los puentes una sola vez

6. Representación
Una de las formas habituales de representar un grado es mediante su matriz de adyacencia

7. Matriz de amistad
(Delitsch,1900)
Representa las relaciones de amistad
correspondióas (+) y las que no lo
son (|)
No se llegó a representar como una
red

8. Sociograma.
(Jacob Moreno,1934)
Primer uso de redes con personas.
Aplicado a la fuga en un correctonal
de chicas en Hudson (NY).

9. TIPOS DE REDES

10. Tipos de grafos

11. Redes aleatorias. Erdös-Reny (1959)
Se añaden enlaces al azar con una probabilidad p.

12. COMPONENTE GIGANTE
Sustituya esto por tu vídeo.

13. …pero las redes sociales no son así

14. Milgram. 6 grados de separación

15. Grid circular + redirección de enlaces
Efecto small-world:
• Caminos cortos
• Clustering alto
Redes small-world

16. Redes pref. attachment. Barbasi
Clustering alto | caminos cortos | distrib. grado como ley de potencias
Aparece el llamado Efecto Mateo

17. Centralidad de grado
La importancia de los nodos
depende de su grado.
En Twitter
• Número de seguidores
• Número de retuits

18. Closeness
Son los nodos que están más cerca
de todos los demás nodos de la red
Desde ellos todos los caminos al
resto son más cortos

19. Betweenness
Son los nodos por los que pasan más
caminos
Puede que sean nodos poco
importantes (por su grado), pero si
desaparecen se desconecta la red.
Son vitales para la difusión (ej, memes)

20. Centralidad de
Valor propio
Un nodo es importante si está
conectado a nodos importantes
Ejemplo: PageRank de Google

21. ¡MANOS A LA OBRA!

22. Gephi
Gephi es una
herramienta de
análisis y
visualización de
redes

24. Credenciales
Incluye los
credenciales de tu
aplicación de
Twitter y ya puedes
hacer búsquedas y
descargar tuits del
streaming the
Twitter

25. RECURSOS
Gephi. Guía de inicio rápido
https://gephi.org/users/quick-start/
Gephi. Tutorial de visualización
https://gephi.org/users/tutorial-visualization/
Gephi. Tutorial sobre layouts
https://gephi.org/users/tutorial-layouts/

26. PARA SABER MÁS…

27. ¿QUÉ LEER?
Duncan J. Watts. Six Degrees: The Science
of a Connected Age, W. W. Norton and
Company. 2003.
A.L. Barabasi. Linked: The New Science of
Networks, Perseus, Cambridge, MA, 2002.
Mark Buchanan. Nexus: Small Worlds and
the Groundbreaking Theory of Networks
W. W. Norton and Company. 2003
.

28. ¿QUÉ VER?
BBC. Six Degrees of Separation
http://topdocumentaryfilms.com/six-degrees-of-separation
The RSA. The Power of Networks
https://www.youtube.com/watch?v=nJmGrNdJ5Gw
BBC. Sharing the Beauty of Networks
https://www.youtube.com/watch?v=9dcdjcyA-8E

29. ¿A QUIÉN SEGUIR?
@barabasi Laszlo Barabasi
@alexvesp Alexandro Vespignanii
@GuidoCaldarelli Guido Caldarelli
@santo_fortunato Santo Fortunato
@_AlexArenas Alex Arenas
@cosnet_bifi Yamir Moreno
@anxosan Anxo Sánchez
@estebanmoro Esteban Moro
@victorianoi Victoriano Izquierdo
@congosto Mari Luz Congosto

30. DATASETS
Stanford Large Network Dataset Collection (SNAP)
https://snap.stanford.edu/data/
The Koblenz Network Collection
http://konect.uni-koblenz.de
University of Michigan (Newman)
http://www-personal.umich.edu/~mejn/netdata
Universitat Rovira y Virgili (A.Arenas)
http://deim.urv.cat/~aarenas/data/welcome.htm

31. @mrebollo
mrebollo@upv.es
Obra de tal manera que trates a los demás como un fin
y no como medio para lograr tus objetivos
(Immanuel Kant)