Resumen de Cartografía y análisis de redes de colaboración científica y redes sociales
Gastón Patricio Olivares Fernández
En esta tesis se aborda el estudio de sistemas sociales desde la perspectiva de la teoría de redes complejas. En primer lugar se analizan redes de colaboración científica, que implican interacciones sociales presenciales y también interacciones sociales online. En el caso de las redes de colaboración científica se han utilizado datos de la Web of Science para catorce países en un período de 2008-2018, mientras que en el caso de las redes sociales online se han analizado las conversaciones de Twitter durante la campaña electoral de la segunda vuelta de las elecciones presidenciales de Chile en 2017.
En ambos casos se han modelizado los sistemas sociales como redes o grafos cuyos componentes poseen características propias cuantificables como son su actividad en el sistema, la respuesta del sistema a esta actividad y su posición en la red.
En el caso de las redes de co-autoría, los nodos corresponden a autores del sistema mientras que sus enlaces representan las relaciones de co-autoría de cada publicación. En este caso hemos demostrado que las correlaciones más fuertes se dan entre el nivel de conectividad (coeficiente de grado) y la Actividad (número de publicaciones) de los autores y también, con una correlación mayor, entre el Pagerank y la Actividad.
Una vez comprendido el funcionamiento global de una red de co-autoría, se procedió a realizar una transformación desde este tipo de red hacia un nuevo tipo llamado Red de Complemento Disciplinar, donde las disciplinas científicas asociadas a la revista donde se ha realizado una publicación serán los nodos de este grafo enlazados a otros de acuerdo a las disciplinas científicas de la publicación. A través de la Actividad (número de artículos), Respuesta del Sistema (número de citas) y la Centralidad topológica en el grafo de cada disciplina se definió una métrica para medir la importancia de cada una de las disciplinas científicas. De estos resultados se obtiene que la disciplina Biochemistry & Molecular Biology es la más importante. Con esta medida de importancia obtenida dentro de esta red se calculó un indicador en el intervalo -1 y 1 que permite medir y comparar la diversidad del conocimiento científico de los países analizados y demostrar que, en general, todos aquellos países definidos como desarrollados por el Banco Mundial poseen un valor positivo de este indicador, mientras que para el resto de los países ese valor es negativo. Además se encontró una fuerte correlación entre este indicador y el PIB per cápita de cada uno de los países.
Para realizar el análisis de la red de disciplinas al nivel de las instituciones a las que pertenecen los autores de publicaciones científicas, hemos realizado una transformación de la Red de Complemento Diciplinar, construyendo lo que hemos denominado Cartografía del Conocimiento. Utilizando esta Cartografía hemos diseñado un algoritmo para predecir el desarrollo de nuevas disciplinas científicas en las instituciones de un país determinado. Hemos comprobado que la posición en el grafo (Centralidad) de las disciplinas no desarrolladas es más importante que la Actividad de sus disciplinas vecinas desarrolladas. Se cuantificó la bondad del algoritmo de predicción obteniendo una sensibilidad promedio de 0.84.
Así mismo, hemos desarrollado una herramienta web de análisis y visualización de las redes de co-autoría y de complemento disciplinar, que permite clasificar a los autores de acuerdo a su importancia y visualizar las relaciones entre ellos.
Finalmente, hemos extendido el estudio realizado en redes sociales de co-autoría (presenciales) a una red social online, midiendo la polarización política a través de un algoritmo basado en la posición de los usuarios en las redes de Retweet para la segunda ronda de las elecciones presidenciales chilenas del 2017. Partiendo de una pequeña cantidad de usuarios cuya opinión política se conoce de antemano, hemos estimado la opinión del resto de los usuarios que participan en la conversación. Con esto se observó que el día previo a la elección presidencial fue cuando el sistema alcanza su máximo valor de polarización y las opiniones de los usuarios de ese día se correlacionan bien con los resultados finales de las elecciones electorales.
