4.2: Atributos de nodo

Diferencias de tipo: A menudo tenemos información disponible sobre algunos atributos de cada uno de los actores de nuestra red. En el ejemplo de Bob, Carol, Ted y Alice, notamos que dos de los actores eran masculinos y dos femeninos. Las puntuaciones de los casos (Bob, Carol, Ted, Alice) sobre la variable “sexo” son una dicotomía nominal. También es bastante común poder dividir a los actores de una manera de “opción múltiple”; es decir, podemos registrar un atributo como una poliotomía nominal (por ejemplo, si conociéramos la afiliación religiosa de cada actor, podríamos grabarlo como “cristiano”, “musulmán”, “judío”, “zoroastriano” o lo que sea).

A menudo ocurre que la estructura de una red depende de los atributos de los actores incrustados en ella. Si estamos viendo la red de lazos de “cónyuge” entre Bob, Carol, Ted y Alice, uno notaría que existen lazos para las parejas macho-mujer, pero no (en nuestro ejemplo) para las parejas hembra-mujer o macho-macho. Ser capaz de visualizar las ubicaciones de diferentes tipos de actores en una gráfica puede ayudarnos a ver patrones, y a comprender la naturaleza de los procesos sociales que generaron la estructura de empate.

El uso de colores y formas son formas útiles de transmitir información sobre qué “tipo” de actor es cada nodo. Las figuras 4.1 y 4.2 proporcionan un ejemplo. Los datos aquí describen el intercambio de información entre diez organizaciones que estuvieron involucradas en la economía política local de los servicios de bienestar social en una ciudad del Medio Oeste (de un estudio de David Knoke; los datos son uno de los conjuntos de datos distribuidos con UCINET). En la Figura 4.1, se ha utilizado NetDraw para renderizar una gráfica dirigida de los datos. Esto se hace abriendo NetDraw>Archivo>Open>Ucinet Dataset>Network, y localizando el archivo de datos. NetDraw produce una gráfica básica que luego puedes editar.

Figura 4.1. Red de intercambio de información Knoke

La teoría institucional podría sugerir que el intercambio de información entre organizaciones del mismo “tipo” sería más común que el intercambio de información entre organizaciones de diferentes tipos. Algunas de las organizaciones aquí son gubernamentales (Bienestar, Coun, Educ, Alcalde, Indu), algunas son no gubernamentales (UWay, News, WRO, Comm, West).

En Netdraw, usamos el editor de atributos Transform>mode para asignar una puntuación de “1" a cada nodo si era gubernamental, y “0" si no lo era . Luego usamos Propiedades>Nodos>Color>Basados en atributos para seleccionar el atributo de gobierno, y asignar el color rojo a organizaciones gubernamentales y azul a organizaciones no gubernamentales. También podría crear un archivo de datos de atributos en UCINET usando los mismos nodos que el archivo de datos de red, y creando una o más columnas de atributos. NetDraw>Archivo>Open>Ucinet Dataset>Los datos de atributos se pueden usar para abrir los atributos, junto con la red, en NetDraw.

La teoría ecológica de las organizaciones sugiere que una división entre organizaciones que son “generalistas” (es decir, realizan una variedad de funciones y operan en varias diferentes campos) y organizaciones que son “especialistas” (por ejemplo, trabajan solo en el bienestar social) podrían afectar los patrones de intercambio de información.

En Netdraw, usamos el editor de atributos Transform>mode para crear una nueva columna para contener información sobre si cada organización era una” generalista” o un “especialista”. Asignamos la puntuación de “1" a “generalistas” (por ejemplo, el Periódico, Alcalde) y una puntuación de “0" a “especialistas (por ejemplo, la Organización de los Derechos del Bienestar). Luego usamos Propiedades>Nodos>Forma>Basado en atributos para asignar la forma “cuadrada” a generalistas y “círculo” a especialistas. El resultado de estas operaciones se muestra en la figura 4.2.

Figura 4.2. Intercambio de información de Knoke con códigos gobierno/no gubernamentales y especialistas/generalistas

Una inspección visual del diagrama con los dos atributos resaltados por el color y la forma del nodo es mucho más informativa sobre las hipótesis de tasas diferenciales de conexión entre rojo/azul y entre círculo/cuadrado. No parece que este diagrama sea muy solidario de ninguna de nuestras hipótesis.

Identificar tipos de nodos según sus atributos puede ser útil para señalar características de actores que se basan en su posición en la gráfica. Consideremos el ejemplo en la siguiente Figura, 4.3.

Figura 4.3. Intercambio de información Knoke con k-cores

Esta figura fue creada mediante el uso de la herramienta Analysis>K-core integrada en NetDraw. Hablaremos de la definición precisa de un k-core en un capítulo posterior. Pero, generalmente, un k-core es un conjunto de nodos que están más estrechamente conectados entre sí que a nodos en otros k-núcleos. Es decir, un k-core es una definición de un “grupo” o “subestructura” en una gráfica.

La Figura 4.3 muestra cuatro subgrupos, que están coloreados para identificar qué nodos son miembros de cada grupo (el grupo “Oeste” y el grupo “WRO” contienen cada uno solo un solo nodo). Además, el tamaño de los nodos en cada núcleo K es proporcional al tamaño del núcleo K. El grupo más grande contiene miembros gubernamentales (Alcalde, Gobierno del Condado, Junta de Educación), así como las principales agencias de bienestar públicas (Bienestar) y privadas (United Way). Un segundo grupo, coloreado de negro, agrupa el periódico, la cámara de comercio y la agencia de desarrollo industrial. Sustancialmente, ¡esto realmente tiene algún sentido!

Este ejemplo muestra que el color y la forma de los nodos para representar diferencias cualitativas entre actores pueden basarse en clasificar a los actores de acuerdo a su posición en el graph, cómo están incrustados, en lugar de en alguna característica inherente del propio actor (por ejemplo, gubernamental o no gubernamental). Se puede usar UCINET (u otros programas) para identificar “tipos” de actores en función de sus relaciones (por ejemplo, ¿dónde están las camarillas?) , y luego ingrese esta información en el editor de atributos de NetDraw (Transform>editor de atributos de nodo>editar>agregar columna). Las agrupaciones que se crean mediante herramientas de análisis ya integradas en NetDraw se agregan automáticamente a la base de datos de atributos de nodo).

Diferencias de cantidad: La Figura 4.3 también usa el tamaño de los nodos (Propiedades>Nodos>Tamaño>Basados en Atributos) para mostrar un índice del número de nodos en cada grupo. Esta diferencia de cantidad entre los nodos se indica mejor, visualmente, asignando el tamaño del nodo a valores de algún atributo. En el ejemplo 4.3, NetDraw lo ha hecho automáticamente por una cantidad que fue calculada por su herramienta Analysis>K-cores. Se pueden calcular fácilmente otras variables que reflejan diferencias de cantidad entre actores (por ejemplo, ¿cuántos “grados de salida” o flechas de cada actor hay?) utilizando UCINET u otros programas. Una vez que se calculan estas cantidades, se pueden agregar a NetDraw (Transform>editor de atributos de nodo>editar>agregar columna), y luego agregarlas al gráfico (Propiedades>nodos>Tamaño>Basado en atributos).

Las diferencias de cantidad entre los nodos también podrían reflejar un atributo que es inherente solo a un actor. En el ejemplo de las organizaciones de bienestar, podríamos conocer el presupuesto anual o el número de empleados de cada organización. Estas medidas de “tamaño” organizacional podrían agregarse a los atributos de nodo, y usarse para escalar el tamaño de los nodos para que podamos ver si los patrones de intercambio de información difieren según el tamaño de la organización.

El color, la forma y el tamaño de los nodos en una gráfica se pueden usar para visualizar la información que tenemos sobre los atributos de los actores. Estos atributos pueden basarse en información “externa” sobre las diferencias inherentes en especie y cantidad entre los actores; o bien, los atributos pueden basarse en información “interna” sobre diferencias en especie y cantidad que describen cómo el actor está incrustado en la red relacional.