1.3: Relaciones

La otra mitad del diseño de datos de red tiene que ver con qué lazos o relaciones se van a medir para los nodos seleccionados. Hay dos temas principales que se discutirán aquí. En muchos estudios de redes, se estudian todos los vínculos de un tipo determinado entre todos los nodos seleccionados, es decir, se realiza un censo. Pero, a veces se utilizan diferentes enfoques (porque son menos costosos, o por la necesidad de generalizar) que empates de muestra. También hay un segundo tipo de muestreo de lazos que siempre ocurre en los datos de la red. Cualquier conjunto de actores puede estar conectado por muchos tipos diferentes de vínculos y relaciones (por ejemplo, los estudiantes en un aula pueden gustarles o no, pueden jugar juntos o no, pueden compartir comida o no, etc.). Cuando recolectamos datos de red, generalmente estamos seleccionando, o muestreando, de entre un conjunto de tipos de relaciones que podríamos haber medido.

Lazos de muestreo

Dado un conjunto de actores o nodos, existen varias estrategias para decidir cómo recolectar mediciones sobre las relaciones entre ellos. En un extremo del espectro de enfoques se encuentran los métodos de “red completa”. Este enfoque arroja el máximo de información, pero también puede ser costoso y difícil de ejecutar, y puede ser difícil de generalizar. En el otro extremo del espectro se encuentran métodos que se parecen bastante a los utilizados en la investigación de encuestas convencionales. Estos enfoques arrojan considerablemente menos información sobre la estructura de la red, pero a menudo son menos costosos, y a menudo permiten una generalización más fácil desde las observaciones en la muestra a alguna población más grande. No hay un método “correcto” para todas las preguntas y problemas de investigación.

Los métodos de red completa requieren que recopilemos información sobre los vínculos de cada actor con todos los demás actores. En esencia, este enfoque está tomando un censo de vínculos en una población de actores —en lugar de una muestra—. Por ejemplo, podríamos recopilar datos sobre envíos de cobre entre todos los pares de estados nacionales en el sistema mundial a partir de registros del Fondo Monetario Internacional; podríamos examinar los consejos de administración de todas las corporaciones públicas en busca de directores superpuestos; podríamos contar el número de vehículos que se mueven entre todos los pares de ciudades; podríamos ver los flujos de correo electrónico entre todos los pares de empleados de una empresa; podríamos pedirle a cada niño en un grupo de juego que identifique a sus amigos.

Debido a que recopilamos información sobre los vínculos entre todos los pares o díadas, los datos completos de la red dan una imagen completa de las relaciones en la población. La mayoría de los enfoques y métodos especiales de análisis de redes que discutiremos en el resto de este texto fueron desarrollados para ser utilizados con datos completos de la red. Los datos completos de la red son necesarios para definir y medir adecuadamente muchos de los conceptos estructurales del análisis de redes (por ejemplo, el entretiempo).

Los datos completos de la red permiten descripciones y análisis muy potentes de las estructuras sociales. Desafortunadamente, los datos completos de la red también pueden ser muy caros y difíciles de recopilar. Obtener datos de cada miembro de una población, y tener cada miembro clasificar o calificar a cada otro miembro puede ser tareas muy desafiantes en cualquier grupo excepto en los más pequeños. La tarea se hace más manejable al pedir a los encuestados que identifiquen un número limitado de individuos específicos con los que tienen vínculos. Estas listas pueden ser compiladas y interconectadas. Pero, para grupos grandes (digamos toda la gente de una ciudad), la tarea es prácticamente imposible.

En muchos casos, los problemas no son tan severos como uno podría imaginar. La mayoría de las personas, grupos y organizaciones tienden a tener un número limitado de vínculos, o al menos un número limitado de vínculos fuertes. Esto probablemente se deba a que los actores sociales tienen recursos, energía, tiempo y capacidad cognitiva limitados —y no pueden mantener un gran número de lazos fuertes. También es cierto que las estructuras sociales pueden desarrollar un grado considerable de orden y solidaridad con relativamente pocas conexiones.

Los métodos de bola de nieve comienzan con un actor focal o conjunto de actores. A cada uno de estos actores se le pide que nombre algunos o todos sus vínculos con otros actores. Entonces, se rastrea a todos los actores nombrados (que no formaban parte de la lista original) y se les pide algunos o todos sus vínculos. El proceso continúa hasta que no se identifican nuevos actores, o hasta que decidimos detenernos (generalmente por razones de tiempo y recursos, o porque los nuevos actores que se nombran son muy marginales para el grupo que estamos tratando de estudiar).

El método de la bola de nieve puede ser particularmente útil para rastrear poblaciones “especiales” (a menudo, subconjuntos numéricamente pequeños de personas mezcladas con gran número de otros). Las redes de contacto de negocios, las élites comunitarias, las subculturas desviadas, los ávidos coleccionistas de sellos, las redes de parentesco y muchas otras estructuras pueden localizarse y describirse de manera bastante efectiva mediante métodos de bola de nieve. A veces no es tan difícil lograr el cierre en “muestras” de bolas de nieve como se podría pensar. Las limitaciones en el número de lazos fuertes que tienen la mayoría de los actores, y la tendencia a que los vínculos sean recíprocos a menudo hacen que sea bastante fácil encontrar los límites.

Hay dos importantes limitaciones potenciales y debilidades de los métodos de bola de nieve. En primer lugar, los actores que no están conectados (es decir, “aislados”) no son localizados por este método. La presencia y el número de aislamientos pueden ser una característica muy importante de las poblaciones para algunos fines analíticos. El método de la bola de nieve puede tender a exagerar la “conexión” y la “solidaridad” de las poblaciones de actores. Segundo, no hay una manera garantizada de encontrar a todos los individuos conectados en la población. ¿Por dónde empieza a rodar la bola de nieve? Si empezamos en el lugar o lugares equivocados, es posible que extrañemos subconjuntos enteros de actores que están conectados, pero no apegados a nuestros puntos de partida.

Los enfoques de bola de nieve se pueden fortalecer al pensar en cómo seleccionar los nodos iniciales. En muchos estudios, puede haber un punto de partida natural. En los estudios de poder comunitario, por ejemplo, es común iniciar búsquedas de bolas de nieve con los jefes ejecutivos de grandes organizaciones económicas, culturales y políticas. Si bien tal enfoque extrañará a la mayor parte de la comunidad (aquellos que están “aislados” de la red de élite), es muy probable que el enfoque capture la red de élite con bastante eficacia.

Redes centradas en el ego (con conexiones alteradas)

En muchos casos no será posible (o necesario) rastrear las redes completas comenzando con nodos focales (como en el método de bola de nieve). Un enfoque alternativo es comenzar con una selección de nodos focales (egos), e identificar los nodos a los que están conectados. Luego, determinamos cuáles de los nodos identificados en la primera etapa están conectados entre sí. Esto se puede hacer contactando con cada uno de los nodos; a veces podemos pedirle al ego que informe cuáles de los nodos a los que está atado están vinculados entre sí.

Este tipo de enfoque puede ser bastante efectivo para recopilar una forma de datos relacionales de poblaciones muy grandes, y se puede combinar con enfoques basados en atributos. Por ejemplo, podríamos tomar una simple muestra aleatoria de estudiantes universitarios varones y pedirles que informen quiénes son sus amigos cercanos, y cuáles de estos amigos se conocen entre sí. Este tipo de enfoque puede darnos una imagen buena y confiable de los tipos de redes (o al menos los vecindarios locales) en las que están incrustados los individuos. Podemos averiguar cosas como cuántas conexiones tienen los nodos, y la medida en que estos nodos son grupos muy unidos. Dichos datos pueden ser muy útiles para ayudar a comprender las oportunidades y limitaciones que tiene el ego como resultado de la forma en que están incrustados en sus redes.

El enfoque centrado en el ego con las conexiones alteradas también puede darnos cierta información sobre la red en su conjunto, aunque no tanto como bola de nieve o enfoques censales. Dichos datos son, de hecho, conjuntos de datos de microredes, muestreos de áreas locales de redes más grandes. Muchas propiedades de red: distancia, centralidad y varios tipos de equivalencia posicional no se pueden evaluar con datos centrados en el ego. Algunas propiedades, como la densidad general de la red, se pueden estimar razonablemente con datos centrados en el ego. Algunas propiedades, como la prevalencia de vínculos recíprocos, camarillas y similares, se pueden estimar de manera bastante directa.

Redes centradas en el ego (solo ego)

Los métodos centrados en el ego realmente se centran en el individuo, en lugar de en la red en su conjunto. Al recopilar información sobre las conexiones entre los actores conectados a cada ego focal, aún podemos obtener una imagen bastante buena de las redes “locales” o “barrios” de individuos. Dicha información es útil para comprender cómo las redes afectan a los individuos, y también dan una imagen (incompleta) de la textura general de la red en su conjunto.

Supongamos, sin embargo, que solo obtuvimos información sobre las conexiones del ego con los alteradores, pero no información sobre las conexiones entre esos alteradores. Datos como estos no son realmente datos de “red” en absoluto. Es decir, no pueden representarse como una matriz cuadrada de vínculos actor por actor. Pero no significa que los datos egocéntricos sin conexiones entre los alteradores no tengan ningún valor para los analistas que buscan adoptar un enfoque estructural o de red para comprender a los actores. Podemos saber, por ejemplo, que algunos actores tienen muchos amigos y parientes cercanos, y otros tienen pocos. Sabiendo esto, somos capaces de entender algo sobre las diferencias en los lugares de los actores en la estructura social, y hacer algunas predicciones sobre cómo estas ubicaciones restringen su comportamiento. Lo que no podemos saber de los datos egocéntricos con certeza es la naturaleza de la macroestructura o de toda la red.

En las redes egocéntricas, las alteraciones identificadas como conectadas a cada ego son probablemente un conjunto que no está conectado con las del ego del otro. Si bien no podemos evaluar la densidad general o la conectividad de la población, a veces podemos ser un poco más generales. Si tenemos alguna buena razón teórica para pensar en las alteraciones en términos de sus roles sociales, más que como ocupantes individuales de roles sociales, las redes centradas en el ego pueden decirnos un poco sobre las estructuras sociales locales. Por ejemplo, si identificamos cada una de las alteraciones conectadas a un ego por una relación de amistad como “pariente”, “compañero de trabajo”, “miembro de la misma iglesia”, etc., podemos construir una imagen de las redes de posiciones sociales (más que las redes de individuos) en las que están incrustados los egos. Tal enfoque, por supuesto, asume que categorías como “kin” son determinantes reales y significativos de los patrones de interacción.

Relaciones múltiples

En un conjunto de datos convencional actor por rasgo, cada actor es descrito por muchas variables (y cada variable se realiza en muchos actores). En el conjunto de datos de redes sociales más común de vínculos actor por actor, solo se describe un tipo de relación. Así como a menudo nos interesan múltiples atributos de actores, a menudo nos interesan múltiples tipos de vínculos que conectan a actores en una red.

Al pensar en los vínculos de red entre profesores en un departamento académico, por ejemplo, podríamos estar interesados en qué facultad tienen estudiantes en común, servir en los mismos comités, interactuar como amigos fuera del lugar de trabajo, tener una o más áreas de especialización en común y coautor de trabajos. Las posiciones que ocupan los actores en la red de afiliaciones grupales son multifacéticas. Las posiciones en un conjunto de relaciones pueden reforzar o contradecir posiciones en otro (podría compartir lazos de amistad con un conjunto de personas con las que no trabajo en comisiones, por ejemplo). Los actores pueden estar estrechamente vinculados en una red relacional, pero estar bastante distantes entre sí en una red relacional diferente. Las ubicaciones de los actores en redes multirelacionales y la estructura de redes compuestas por múltiples relaciones son algunas de las áreas más interesantes (y aún relativamente inexploradas) de análisis de redes sociales.

Cuando recolectamos datos de redes sociales sobre ciertos tipos de relaciones entre actores somos, en cierto sentido, muestreo de una población de posibles relaciones. Por lo general, nuestra pregunta y teoría de investigación indican cuáles de los tipos de relaciones entre actores son las más relevantes para nuestro estudio, y no se muestrea —sino que seleccionamos— las relaciones. En un estudio preocupado por la dependencia económica y el crecimiento, por ejemplo, podría recabar datos sobre el intercambio de actuaciones de músicos entre naciones —pero en realidad no es probable que sea tan relevante.

Si no sabemos qué relaciones examinar, ¿cómo podríamos decidir? Hay una serie de enfoques conceptuales que podrían ser de ayuda. La teoría de sistemas, por ejemplo, sugiere dos dominios: material e informativo. Las cosas materiales se “conservan” en el sentido de que solo pueden ubicarse en un nodo de la red a la vez. Los movimientos de personas entre organizaciones, dinero entre personas, automóviles entre ciudades y similares son todos ejemplos de cosas materiales que se mueven entre nodos y, por lo tanto, establecen una red de relaciones materiales. Las cosas informativas, para el teórico de sistemas, son “no conservadas” en el sentido de que pueden estar en más de un lugar al mismo tiempo. Si sé algo y lo comparto contigo, los dos ahora lo sabemos. En cierto sentido, también se puede decir que la comunalidad que se comparte por el intercambio de información establece un vínculo entre dos nodos. Hay que ser cauteloso aquí, sin embargo, para no confundir la simple posesión de un atributo común (por ejemplo, el género) con la presencia de un empate (por ejemplo, el intercambio de opiniones entre dos personas sobre temas de género).

Las metodologías para trabajar con datos multirelacionales no están tan bien desarrolladas como las de trabajar con relaciones individuales. Se han desarrollado muchas áreas de trabajo interesantes, como la correlación de redes, el escalado multidimensional y la agrupación, y álgebras de roles para trabajar con datos multi-relacionales. En su mayor parte, estos temas están más allá del alcance del texto actual, y se abordan mejor después de dominar los conceptos básicos del trabajo con redes relacionales únicas. Vamos a ver algunos métodos para multi-relacional (a.k.a. “multiplex” datos de red en el capítulo 16).