Análisis de redes sociales de Hanneman y Riddle
AllegroGraph® es una base de datos de grafos moderna, persistente y de alto rendimiento. AllegroGraph utiliza una eficiente utilización de memoria en combinación con almacenamiento basado en disco, permitiéndole escalar a miles de millones de cuadrantes mientras mantiene un rendimiento superior. AllegroGraph soporta SPARQL, RDFS++, y razonamiento Prolog desde numerosas aplicaciones cliente.
EgoNet (Egocentric Network Study Software) para la recopilación y el análisis de datos de redes sociales egocéntricas[1]. Ayuda al usuario a recopilar y analizar todos los datos de redes egocéntricas (todos los datos de redes sociales de un sitio web en Internet), y proporciona medidas generales de redes globales y matrices de datos que pueden ser utilizadas para análisis posteriores por otro software.
Java Universal Network/Graph Framework: es una biblioteca de software que proporciona un lenguaje común y ampliable para el modelado, el análisis y la visualización de datos que pueden representarse como un grafo o una red.
MultiNet es un paquete de análisis de datos que puede utilizarse para datos ordinarios (en los que hay un archivo con una línea de datos para cada caso) y para datos de red (en los que hay dos archivos: el archivo “nodo” describe a los individuos y el archivo “enlace” describe las conexiones entre individuos).
Centralidad R
ResumenEl procesamiento convergente del mundo puede ser un factor que contribuya a la conectividad social. Utilizamos la neuroimagen y el análisis de redes para investigar la asociación entre la posición en la red social (medida por la centralidad en grado) de estudiantes universitarios de primer curso y su similitud neuronal mientras observan estímulos audiovisuales naturalistas (concretamente, vídeos). En el estudio de redes sociales participaron 119 estudiantes; 63 de ellos participaron en el estudio de neuroimagen. Demostramos que los individuos más centrales tenían respuestas neuronales similares a las de sus compañeros y entre sí en regiones cerebrales que están asociadas con interpretaciones de alto nivel y cognición social (por ejemplo, en la red de modo por defecto), mientras que los individuos menos centrales mostraban respuestas más variables. El disfrute y el interés por los estímulos declarados por los propios sujetos siguieron un patrón similar, pero la contabilización de estos datos no modificó nuestros resultados principales. Estos resultados muestran que el procesamiento neural de los estímulos externos es similar en los individuos altamente centrales, pero es idiosincrásico en los individuos menos centrales.
Centralidad de poder de Bonacich
Figura 1. Las principales regiones cerebrales correlacionadas con la estructura de la red social. Los puntos de diferentes colores en el cerebro indican diferentes estructuras cerebrales. Los nodos azules indican la red de mentalización, que incluye la vmPFC (corteza prefrontal ventromedial), la OFC (corteza orbitofrontal), la dlPFC (corteza prefrontal dorsolateral) y la dmPFC (corteza prefrontal dorsomedial); los puntos naranjas indican la red especular (surco temporal superior, STS); el punto verde indica la amígdala; el punto amarillo indica la corteza entorrinal; y el punto rojo indica la AIC (corteza insular anterior). Gráfico representativo de la red sociocéntrica organizada para aproximadamente 52 estudiantes universitarios. Cada nodo representa a una persona. Las líneas entre nodos denotan relaciones. El color y el tamaño de los nodos indican la centralidad de grado (la suma de los vínculos de grado entrante y grado saliente). Los nodos más grandes en azul oscuro indican más vínculos salientes y entrantes, y los nodos más pequeños en azul claro indican menos vínculos salientes y entrantes. Según la revisión, el tamaño o la complejidad de la red social se correlaciona positivamente con la estructura y la activación de la amígdala, la red de mentalización, la red de espejos, el córtex entorrinal y el AIC. Las escasas investigaciones sobre la red sociocéntrica sólo hacían hincapié en la asociación entre el grado/entre centralidad y la amígdala o la red mentalizadora.
Análisis de la conectividad de las redes sociales
ResumenEl trabajo en grupo es a menudo un componente crítico de cómo pedimos a los estudiantes que interactúen mientras aprenden en entornos activos e interactivos. Una extensión de sentido común de esta característica es la inclusión de evaluaciones en grupo. Además, una de las prácticas científicas clave es el desarrollo de relaciones de trabajo en colaboración. Como instructores, debemos ser conscientes del desarrollo de nuestras clases en el crisol social de nuestra aula, junto con su desarrollo de habilidades cognitivas y/o de resolución de problemas. Analizamos los datos de la red de exámenes de grupo de una secuencia de introducción a la física de dos clases. En cada clase, en cada uno de los cuatro exámenes, los estudiantes hicieron una versión individual del examen y luego lo repasaron con sus compañeros. Los estudiantes registraron a sus colaboradores, y estos informes se utilizan para construir redes dirigidas. Comparamos las medidas globales de las redes y las distribuciones de centralidad de nodos entre los exámenes de cada semestre y contrastamos estas tendencias entre semestres. Las redes se particionan mediante análisis posicional, que bloquea los nodos por similitudes en el comportamiento de enlace, y mediante detección de comunidades de edge betweenness, que agrupa los nodos densamente conectados. Calculando la estructura de bloques para cada examen y mapeando a lo largo del tiempo, es posible ver una estructura social estabilizadora en la secuencia de dos clases. La comparación de las medidas globales y a nivel de nodo sugiere que el periodo entre el primer y el segundo examen altera la estructura de la red, incluso cuando los bloques son relativamente estables.