1.1: Introducción - ¿Qué hay de diferente en los datos de las redes sociales?

Por un lado, realmente no hay nada en los datos de las redes sociales que sea tan inusual. Los analistas de redes sociales utilizan un lenguaje especializado para describir la estructura y el contenido de los conjuntos de observaciones que utilizan. Pero, los datos de la red también pueden describirse y entenderse utilizando las ideas y conceptos de métodos más familiares, como la investigación de encuestas transversales.

Por otro lado, los conjuntos de datos que desarrollan los analistas de redes sociales suelen terminar pareciendo bastante diferentes de la matriz de datos rectangular convencional tan familiar para encuestar investigadores y analistas estadísticos. Las diferencias son bastante importantes porque nos llevan a mirar nuestros datos de una manera diferente —e incluso nos llevan a pensar de manera diferente sobre cómo aplicar las estadísticas.

Los datos de ciencias sociales “convencionales” consisten en una matriz rectangular de mediciones. Las filas de la matriz son los casos, o sujetos, u observaciones. Las columnas constan de puntuaciones (cuantitativas o cualitativas) sobre atributos, o variables, o medidas. Un ejemplo sencillo se muestra en la figura 1.1. Cada celda de la matriz describe entonces la puntuación de algún actor (fila) en algún atributo (columna). En algunos casos, puede haber una tercera dimensión en estas matrices, representando paneles de observaciones o múltiples grupos.

Figura 1.1. Ejemplo de matriz de datos rectangular

Nombre	Sexo	Edad	In-Grado
Bob	Macho	32	2
Carol	Hembra	27	1
Ted	Macho	29	1
Alice	Hembra	28	3

La estructura de datos fundamental es aquella que nos lleva a comparar cómo los actores son similares o disímiles entre sí a través de atributos (comparando filas). O, quizás más comúnmente, examinamos cómo las variables son similares o disímiles entre sí en sus distribuciones entre actores (comparando o correlacionando columnas).

Los datos de “red” (en su forma más pura) consisten en una matriz cuadrada de mediciones. Las filas de la matriz son los casos, o sujetos, u observaciones. Las columnas de la matriz son —y anotan la diferencia clave con respecto a los datos convencionales— el mismo conjunto de casos, sujetos u observaciones. En cada celda de la matriz se describe una relación entre los actores. Un ejemplo sencillo se muestra como la figura 1.2, que describe la red de relaciones de amistad entre cuatro personas.

Figura 1.2. Ejemplo de matriz cuadrada de datos de red

¿Quién informa que le gusta a quién?
	Elección:
Chooser:	Bob	Carol	Ted	Alice
Bob	—	0	1	1
Carol	1	—	0	1
Ted	0	1	—	1
Alice	1	0	0	—

Podríamos ver esta estructura de datos de la misma manera que con los datos de atributos. Al comparar filas de la matriz, podemos ver qué actores son similares a qué otros actores en los que eligen. Al mirar las columnas, podemos ver quién es similar a quién en cuanto a ser elegido por otros. Estas son formas útiles de mirar los datos, porque nos ayudan a ver qué actores tienen posiciones similares en la red. Este es el primer énfasis importante del análisis de redes: ver cómo los actores están ubicados o “incrustados” en la red general.

Pero también es probable que un analista de redes observe la estructura de datos de una segunda manera, de manera integral. El analista podría señalar que hay aproximadamente el mismo número de unos y ceros en la matriz. Esto sugiere que hay una “densidad” moderada de gusto en general. El analista también podría comparar las celdas por encima y por debajo de la diagonal para ver si hay reciprocidad en las elecciones (por ejemplo, Bob eligió a Ted, ¿Ted eligió a Bob?). Este es el segundo énfasis importante del análisis de redes: ver cómo todo el patrón de elecciones individuales da lugar a patrones más holísticos.

Es muy posible pensar en el conjunto de datos de red en los mismos términos que “datos convencionales”. Se puede pensar en las filas como simplemente una lista de casos, y las columnas como atributos de cada actor (es decir, las relaciones con otros actores pueden ser consideradas como “atributos” de cada actor). De hecho, muchas de las técnicas utilizadas por los analistas de red (como calcular correlaciones y distancias) se aplican exactamente de la misma manera a los datos de red que a los datos convencionales.

Si bien es posible describir los datos de red como una forma especial de datos convencionales (y lo es), los analistas de red miran los datos de algunas maneras bastante fundamentalmente diferentes . En lugar de pensar en cómo los vínculos de un actor con otros actores describen los atributos del “ego”, los analistas de redes ven en cambio una estructura de conexiones, dentro de la cual el actor está incrustado. Los actores son descritos por sus relaciones, no por sus atributos. Y, las relaciones mismas son tan fundamentales como los actores que conectan.

La principal diferencia entre los datos convencionales y los de red es que los datos convencionales se centran en actores y atributos; los datos de red se centran en actores y relaciones. La diferencia de énfasis es consecuente para las elecciones que un investigador debe tomar para decidir sobre el diseño de la investigación, en la realización de muestreo, el desarrollo de la medición y el manejo de los datos resultantes. No es que las herramientas de investigación utilizadas por los analistas de redes sean diferentes a las de otros científicos sociales (en su mayoría no lo son). Pero los propósitos especiales y énfasis de la investigación en red sí exigen algunas consideraciones diferentes.

En este capítulo, vamos a echar un vistazo a algunos de los temas que surgen en el diseño, muestreo y medición para el análisis de redes sociales. Nuestra discusión se centrará en las dos partes de los datos de la red: nodos (o actores) y bordes (o relaciones). Intentaremos mostrar algunas de las formas en que los datos de la red son similares y diferentes de los datos de actor más familiar por atributo. Introduciremos una nueva terminología que facilita la descripción de las características especiales de los datos de red. Por último, discutiremos brevemente cómo las diferencias entre los datos de red y actor-atributo son consecuentes para la aplicación de herramientas estadísticas.