11.1: Introducción a las camarillas y subgrupos

Uno de los intereses más comunes de los analistas estructurales está en las “subestructuras” que pueden estar presentes en una red. Las díadas, tríadas y barrios centrados en el ego que examinamos anteriormente pueden considerarse como subestructuras. En este capítulo, consideraremos algunos enfoques para identificar agrupaciones más grandes.

Muchos de los enfoques para comprender la estructura de una red enfatizan cómo se construyen conexiones densas desde díadas y tríadas más simples hasta clústeres densos más extendidos como “camarillas”. Esta visión de la estructura social centra la atención en cómo la solidaridad y la conexión de las grandes estructuras sociales pueden construirse a partir de componentes pequeños y estrechos: una especie de enfoque “de abajo hacia arriba”. Los analistas de redes han desarrollado una serie de definiciones y algoritmos útiles que identifican cómo se componen las estructuras más grandes a partir de las más pequeñas: camarillas, n-cliques, n-clanes y k-plexes miran las redes de esta manera.

La división de actores en grupos y subestructuras puede ser un aspecto muy importante de la estructura social. Puede ser importante para entender cómo es probable que se comporte la red en su conjunto. Supongamos que los actores de una red forman dos grupos no superpuestos; y, supongamos que los actores de otra red también forman dos grupos, pero que las membresías se superponen (algunas personas son miembros de ambos grupos). Donde los grupos se superponen, podríamos esperar que el conflicto entre ellos sea menos probable que cuando los grupos no se superpongan. Donde los grupos se superponen, la movilización y la difusión pueden extenderse rápidamente por toda la red; donde los grupos no se superponen, los rasgos pueden ocurrir en un grupo y no difundirse al otro.

Saber cómo un individuo está incrustado en la estructura de grupos dentro de una red también puede ser crítico para comprender su comportamiento. Por ejemplo, algunas personas pueden actuar como “puentes” entre grupos (cosmopolitas, llaves fronterizas o “corredores” que examinamos anteriormente). Otros pueden tener todas sus relaciones dentro de un solo grupo (locales o conocedores). Algunos actores pueden formar parte de una élite estrechamente conectada y cerrada, mientras que otros están completamente aislados de este grupo. Tales diferencias en las formas en que los individuos están incrustados en la estructura de los grupos dentro de una red pueden tener profundas consecuencias para la manera en que estos actores ven su “sociedad”, y los comportamientos que probablemente practiquen.

También podemos buscar subestructura desde el “arriba hacia abajo”. Al mirar toda la red, podemos pensar en las subestructuras como áreas de la gráfica que parecen ser localmente densas, pero separadas hasta cierto punto, del resto de la gráfica. Esta idea se ha aplicado de varias maneras: componentes, bloques/puntos de corte, núcleos K, conjuntos y puentes Lambda, facciones y grupos f se discutirán aquí.

La idea de que algunas regiones de una gráfica pueden estar menos conectadas con el conjunto que otras puede llevar a comprender las líneas de división y división. Las partes más débiles en el “tejido social” también crean oportunidades para el corretaje y la acción menos restringida. Entonces, los números y tamaños de las regiones, y su “topología de conexión” pueden ser consecuentes para predecir tanto las oportunidades como las limitaciones que enfrentan los grupos y actores, así como para predecir la evolución de la propia gráfica.

La mayoría de los algoritmos informáticos para localizar subestructuras operan sobre datos simétricos binarios. Volveremos a utilizar los datos de intercambio de información de Knoke para la mayoría de las ilustraciones en este capítulo. Donde los algoritmos lo permitan, se utilizará la forma dirigida de los datos. Donde se requieren datos simétricos, analizaremos “lazos fuertes”. Es decir, simetrizaremos los datos insistiendo en que los lazos deben ser recíprocos para poder contar; es decir, un empate solo existe si xy e yx están ambos presentes.

La matriz de datos de reciprocidad-simétrica resultante se muestra en la Figura 11.1.

Figura 11.1: Red de información Knoke simétrica con lazos recíprocos

Insistir en que la información se mueva en ambos sentidos entre las partes para que las dos partes sean consideradas como “cercanas” tiene sentido teórico, y disminuye sustancialmente la densidad de la matriz. Las matrices que tienen densidad muy alta, casi por definición, probablemente tengan pocos subgrupos o camarillas distintivas. Podría ser útil graficar estos datos como en la Figura 11.2.

Figura 11.2: Gráfico de vínculos simétricos fuertes de información de Knoke

El diagrama sugiere una serie de cosas. Los actores #5 y #2 parecen estar en medio de la acción -en el sentido de que son miembros de muchas de las agrupaciones, y sirven para conectarlos, por comembresía. La conexión de subgráficos por actores puede ser una característica importante. También podemos ver que hay un caso (#6) que no es miembro de ningún subgrupo (que no sea una díada). Si miras de cerca, verás que las díadas y tríadas son las subgráficas más comunes aquí -y a pesar de la conectividad sustancial de la gráfica, las agrupaciones estrechas más grandes que ésta parecen ser pocas. También es evidente a partir de la inspección visual que la mayoría de las subagrupaciones están conectadas, que los grupos se superponen.

Las respuestas a las principales preguntas sobre una gráfica, en términos de sus subestructuras, pueden ser evidentes a partir de la inspección:

• ¿Qué tan separados están los subgráficos? ¿Se superponen y comparten miembros, o dividen o faccionalizan la red?
• ¿Qué tan grandes son las subgráficas conectadas? ¿Hay algunos grupos grandes, o un mayor número de grupos pequeños?
• ¿Hay actores particulares que parecen desempeñar papeles de red? Por ejemplo, ¿actúan como nodos que conectan la gráfica, o quiénes están aislados de los grupos?

Las herramientas formales y los conceptos de estructura de subgrafos ayudan a definir de manera más rigurosa ideas como esta. Luego se pueden aplicar diversos algoritmos para localizar, enumerar y estudiar las características de los subgráficos. Obviamente, hay una serie de agrupaciones y posiciones posibles en las subestructuras, dependiendo de nuestras definiciones. En este capítulo, veremos la más común de estas ideas.