Social Networks VIII

En esta entrega coloco lo relacionado con los indicadores sociométricos mas conocidos y otra forma de enfocar las redes sociales.

Social Networks VII

Análisis ascendente

Clique: Es un subgrafo en el cual los nodos están todos conectados por un camino de longitud unidad, es decir el grafo en Kn-completo. El mas pequeño es la diada, luego la triada, etc. Los cliques también se los conoce como subgrafos maximales.

N-Clique: Una forma de hacer menos rígida la definición anterior sobre clique, se define como N-Clique al subgrafo en el cual todos los nodos están conectados por un camino de longitud N.

N-Clanes: La noción de N-Clique tiende a hallar subgrafos enormes y confusos. Si a un N-Clique se le exige la condición de verificar ciertos atributos se lo llama N-Clan.

K-Plex: Un K-Plex es un N-Clique donde se le exige que cada nodo no tenga relación K < N nodos.

K-Nucleos: Un K-Nucleo es un grupo maximal de actores o nodos donde todos están ligados a un número K de actores o nodos con caminos de longitud 1.

Análisis descendente

Componentes: Las componentes de un grafo son partes que están internamente conectadas pero desconectadas entre subgrafos. Por otro lado si un grafo contiene nodos aislados, estos son componentes. El límite maximal es todo el grafo, y se lo llama componente trivial.

Bloques y puntos de corte: Si al estudiar el grafo se elimina un nodo el número de componentes se incrementa, a tal nodo se lo llama punto de corte (actor clave). Esto causa que el grafo se divida en bloques.

Conjuntos lambda y puentes: Si al eliminar una arista del grafo el número de componentes se incrementa a esta arista se la llama puente o relación clave (relación clave).  Se llama conjunto lambda, al conjunto de aristas (o pares de actores) que al ser eliminadas el número de componentes cambia. Esto identifica cuales del tejido social hace mas vulnerable la red.

Facciones: Es subdividir el grafo y agrupar los actores en función de sus relaciones o atributos.

Social Networks VI, Power Theory

En esta entrega doy una visión escueta sobre la teoría del poder en redes sociales. Cabe destacar que cuanto mas comunicados estén los actores es menos poderoso o influyente o influyentes los actores centrales. La aislación es poder, no la ignorancia.

Social Networks V

En este post continúo con las definiciones básicas sobre sociogramas.

Social networks IV

En estas entregas, se dará una descripción de los sociogramas.

An introduction to social networks III

En esta entrega finalizo las bases matemáticas para luego pasar de concreto a redes sociales usando teoría de grafos.

An introduction to social networks II

En esta entrega finalizo el tema matemático sobre matrices booleanas.