(…sigue de http://perio.unlp.edu.ar/sitios/observatoriodetecnologias/analisis-de-redes-sociales/)
La lucha por el control del segmento
Un efecto natural de capitalismo tiende a la concentración económica. Por un lado, la Internet ha significado la ruptura de las empresas titulares y las estructuras de poder tradicionales. Por otro, ha sido una lucha de poder constante. Netscape intentó poseer la página de inicio; Amazon intentó dominar al por menor; Yahoo, la navegación de la Web. Google fue el punto final de este proceso.
Facebook comenzó como un sistema gratuito pero cerrado. Google fue prohibido para buscar a través de sus servidores La compañía invitó a los desarrolladores a crear juegos y aplicaciones específicamente para su uso en Facebook, convirtiendo el lugar en una plataforma de pleno derecho. En algún momento de masa crítica, Facebook se convirtió en un mundo paralelo a la Web, una experiencia que fue muy diferente y posiblemente más satisfactoria y convincente. Facebook poseía una visión clara del imperio, los desarrolladores que construyen aplicaciones en la parte superior de la plataforma de su compañía, siempre estarán subordinados a la propia plataforma, lo que reporta una extraordinaria concentración de poder.
Por su parte, Jobs, a través de iTunes, se alineó con los medios tradicionales de una manera que Google siempre se ha resistido. En el modelo abierto y distribuido de Google, casi cualquiera puede anunciar en casi cualquier sitio, sus intereses están en el tráfico de multitudes. Los intereses de Apple, por su parte, están alineados con los proveedores de contenidos tradicionales. Mientras que Google pudo haber controlado el tráfico y las ventas, Apple controla el contenido en sí. De hecho, conserva los derechos de aprobación absoluta sobre todas las aplicaciones de terceros. Apple controla la apariencia y experiencia. Y, lo que es más, controla tanto el sistema de entrega de contenidos (iTunes) y los dispositivos (iPods, iPhones, iPads y) a través del cual se consume ese contenido.
También hay un crecimiento de servicios de Internet como Spotify, el servicio de streaming de música muy esperado; y Netflix, que permite a los usuarios reproducir películas directamente a sus pantallas de ordenador, reproductores de Blu-ray, o Xbox 360.
Relacionando el análisis de redes con la estructura social y de poder resultante.
Si comparamos las estructuras de poder con las tecnologías de comunicación disponibles en cada período, resulta que el poder centralizado de las monarquías se correspondería con el correo de postas, el poder descentralizado en Estados Nacionales con el telégrafo y se pronosticaba la llegada de un poder distribuido en una sociedad global, con Internet.
Las gráficas creadas por Paul Baran para fundamentar la estructura del proyecto que más tarde se convertiría en Internet, unen los mismos puntos de diferente manera. Estas tres disposiciones describen tres formas completamente distintas de organizar una red: centralizada, descentralizada y distribuida. Estas diferencias en la forma de acceso a la información, resulta clave para explicar la gran mayoría de los nuevos fenómenos sociales y políticos, como las Ciberturbas y Swarming: manifestaciones organizadas vía mail o sms convocados en diferentes ciudades.
gráficas creadas por Paul Baran
Pero las empresas, los gobiernos y medios de comunicación de masas tradicionales están recuperando el orden descentralizado, coincidiendo con el análisis del capitalismo que mencionamos antes.
Se podría pensar que recuperar espacios de información distribuida como organización de un tipo de comunidad sería la “evolución del sistema de naciones”. La comunicación de todos con todos permitiría una democracia directa y el reagrupamiento en comunidades de intereses diferente del sistema de adhesión y delegación de representación, que supone la democracia indirecta y el poder de filtro de los representantes y de concentradores de comunicación como Facebook, Google, etc..
A pesar de la puja por el poder mediante centros (y no distribuido), hay una amplia corriente de pensadores tecnófilos que, ante la perspectiva de la crisis económica, vuelven su mirada hacia las comunidades reales nacidas de la socialización en Internet. Cada cual propone distintas fórmulas para la resiliencia, con algunos ingredientes en común: conocimiento libre en red, contratos inteligentes y dinero social mediante cadena de bloques (no controlado por los bancos), comercio global de inmateriales y producción física en la proximidad. Algunos retornan a una visión territorial de lo local. Surgen grupos como Open Source Ecology, que optan por generar un repositorio de hardware libre para explotaciones rurales: desde tractores a palas excavadoras libres de patentes y construibles a bajo coste.
Evolución del Análisis de Redes Sociales
El análisis de redes sociales (ARS) comienza a partir de la teoría de grafos que permitió descubrir algunas propiedades, ocultas bajo su estructura, que limitan o multiplican nuestra capacidad para hacer cosas con ellas. Como “el grado nodal” que sería el número de nodos con los que se conecta uno de ellos. Podríamos ordenar en función de ella los nodos de la red y tener una idea clara de cuáles son los nodos más conectados. Pero un nodo puede estar muy conectado en una subred y sin embargo no ser clave para la red en su conjunto. Para eso se recurre a otras medidas: “la cercanía y el grado de intermediación”. La cercanía (closeness) es la suma de las distancias que separan a un nodo del resto de nodos en la red; aproxima su peso, su capacidad para llegar en pocos pasos a cualquiera. La intermediación (betweenness) es una medida del número de veces que un nodo aparece en el camino más corto entre otros dos nodos. Esos caminos más cortos también se llaman caminos geodésicos. El índice de intermediación es la suma de los cocientes entre el número de todos los caminos geodésicos que unen dos nodos y el número de ellos que pasan por el nodo en cuestión. La intermediación nos da una aproximación al peso como conector (como hub) del nodo, su importancia cara a que la red se mantenga unida.
Después comienza a pensarse que estas herramientas, heredadas de la teoría de grafos y del estructuralismo iluminan a la vez que limitan nuestra comprensión de las redes sociales y sobre todo, “llevan el veneno en las premisas”. En vez de pensar en las redes como entidades que evolucionan, los analistas de redes han tendido de hecho a tratarlas como una materialización congelada de esas fuerzas. Y en vez de entender las redes como meros conductos a través de los cuales la influencia se propaga según sus propias reglas, han tratado a las propias redes como una representación directa de la influencia.
Existe la creencia de que un conocido por Internet no puede contabilizarse del mismo modo que un amigo cercano, sin embargo estudios sobre movilizaciones, demuestran que la coordinación social dependería menos de los vínculos fuertes como son las relaciones familiares y de amistad. Serían el resultado de los vínculos débiles establecidos con anterioridad con otros actores con los que hasta entonces habían tenido poco o ningún contacto. Esto comenzó a llamarse la fuerza de los vínculos débiles. De ahí deriva un par de reflexiones: en primer lugar que en el grafo de una red las claves pueden estar justamente en aquellos lazos que, en el análisis estático, parecen menos relevantes, enlaces que “ensucian” el mapa y que muchas veces se borran para “facilitar el análisis”. Los límites de la propagación vienen determinados por vínculos débiles, poco llamativos, difícilmente detectables. En segundo lugar, y en parte por lo mismo, los vínculos que unen a los hubs entre sí y con las redes que conectan probablemente serán también “débiles”.
Más adelante se incorpora otra forma de análisis de redes sociales, el modelo SIR, que tiene su origen en el estudio de las epidemias (SIR = Susceptibles, Infectados, Recuperados) genera una descripción en tres fases del curso de una epidemia: arranque (de lento crecimiento), explosiva y remisión.
Otro abordaje proveniente de la Física, conocido como “percolación”, es un análisis basado en la física del filtrado. El método obtiene resultados similares al modelo SIR. La diferencia entre vínculos abiertos y cerrados puede describir bastante bien las estrategias de propagación de la información de cada nodo frente a aquellos en los que se conecta, y a partir de ahí podemos estudiar también la relación que pueda establecer entre el tipo de vínculos que le unen con los otros nodos y qué información, a quién y cómo la propaga.
Percolación por enlaces
El enfoque que sigue es el de modelos del cambio de comportamiento de los individuos en red, un nuevo campo de la Teoría Económica. Parten de la idea de que los individuos obtienen un refuerzo social, un beneficio en términos de consideración por el hecho de seguir un comportamiento socialmente aceptado en su entorno cercano. Aparentemente habría unos umbrales a partir de los cuales el entorno hace que sea válido modificar el propio comportamiento. Como estos umbrales se definen a partir del entorno, las distintas “formas” de la red influyen en el comportamiento de los nodos, con “forma” se refieren a la geometría que se obtiene al unir los nodos, (triángulo, cuadrado, pentágono, etc). El umbral en el que el comportamiento cambia pasa a tener un significado de rebeldía, que representa cuántos, a mi alrededor, tienen que actuar como a mí me gustaría actuar para que yo pueda cambiar mi pauta de comportamiento sin sentirme socialmente rechazado. Mediante el análisis de dos topologías distintas, muestra la importancia de la “forma” de la red, es decir de la estructura de la comunidad. Actitudes larvadas bajo los umbrales de aceptación social se van traduciendo en pequeñas modificaciones de la red hasta que súbitamente, al cruzarse el umbral de un individuo en el que no habíamos reparado, se transforma el cluster entero y emerge un cambio en cadena que puede acabar modificando las correlaciones de fuerza del discurso social entre las distintas subredes.
En esta visualización, vemos el punto de inflexión donde la opinión de la minoría (que se muestra en rojo) se convierte rápidamente en la opinión de la mayoría. Con el tiempo, la opinión minoritaria crece. Una vez que la opinión de la minoría llegó al 10 por ciento de la población, la red cambia rápidamente a medida que la opinión de la minoría toma la opinión de la mayoría original (se muestra en verde). Crédito de la imagen: SCNARC / Rensselaer Polytechnic Institute.
Hay que tener en cuenta que los actores también modifican la red según sus propias estrategias de transformación, abriendo y cerrando vínculos, creando nuevos y destruyendo otros a lo largo del tiempo. Cuando un individuo tiene una estrategia de propagación es porque previamente subyace una estrategia de propagación no compartida por el entorno (del sujeto o de su cluster). Los nodos modifican la red porque o bien quieren aumentar el alcance de la información (y los nodos a su alrededor no “pasan” la info) o porque las posiciones que expresa no son admitidas por su entorno cercano (del nodo o del cluster).
La Ciencia del Análisis de redes sociales
Del resumen presentado puede comprenderse que el análisis de redes sociales ARS, es una disciplina científica en la que confluyen conocimientos provenientes de muchas ciencias.
Cada vez son más las herramientas con que contamos para estudiar las redes que se forman a partir de los mensajes y comentarios realizados en redes sociales (por ejemplo: NodeXL, Gephies, Wolfram, R Studio ). Jorge E. Miceli, de la Universidad de Buenos Aires, Argentina, sostiene que el ARS basado tempranamente en la teoría de grafos y en los estudios sociométricos, obtiene un status de rigurosidad que fácilmente habilitó visiones opuestas igualmente negativas: o hubo una negación a incorporar los beneficios del ARS debido a una incomprensión de su base técnica, o esta base técnica se constituyó en un aparato de validación supuestamente autónomo y hasta cierto punto inmune a los exámenes de rigurosidad. Por un lado hay una negación a sumergirse en los desafíos del ARS por motivaciones prejuiciosas antipositivistas. La inmensa productividad del análisis de redes sociales en su faz práctica, su desbordante pertinencia transdisciplinaria y la gran cantidad de problemas que permite resolver o al menos describir de manera infinitamente más innovadora que desde perspectivas no reticulares, resulta demoledora frente a esas objeciones. Por otra parte, la sobreestimación o la consideración no contextualizada de su potencialidad técnica también nos deparan consecuencias simétricamente negativas.
El Big Data o Datos masivos hacen referencia a la acumulación masiva de datos y a los procedimientos usados para identificar patrones recurrentes dentro de esos datos. Numerosos sitios de Internet debaten y difunden técnicas operativas para situarnos operativamente en el tema.
Véase por ejemplo:
en la Universidad Nacional del Sur, Argentina: http://ars-uns.blogspot.com.ar
en la Universidad de Buenos Aires, Argentina: https://es.slideshare.net/carlosreynoso/redes-sociales-y-complejidad
Bibliografía: