Este campo tiene dos aspectos. El primero es el análisis estadístico de los datos de ADN. El segundo es la utilización de la simulación para abordar cuestiones de dinámica de redes. Las redes de ADN se diferencian de las redes sociales tradicionales en que son redes más grandes, dinámicas, multimodo y multiplex, y pueden contener distintos niveles de incertidumbre . La principal diferencia entre el ADN y el SNA es que el ADN tiene en cuenta las interacciones de las características sociales que condicionan la estructura y el comportamiento de las redes. El ADN está ligado al análisis temporal, pero el análisis temporal no está necesariamente ligado al ADN, ya que los cambios en las redes a veces son resultado de factores externos que son independientes de las características sociales que se encuentran en las redes. Uno de los casos más notables y más antiguos en el uso del ADN es el estudio del monasterio de Sampson, donde tomó instantáneas de la misma red desde diferentes intervalos y observó y analizó la evolución de la red. [2]
Las herramientas estadísticas de ADN están generalmente optimizadas para redes de gran escala y admiten el análisis de múltiples redes simultáneamente en las que existen múltiples tipos de nodos (multinodo) y múltiples tipos de enlaces (multiplex). Las redes multinodo-multiplex se denominan generalmente meta-redes o redes de alta dimensión. En cambio, las herramientas estadísticas de SNA se centran en datos monomodo o, como máximo, bimodo y facilitan el análisis de un solo tipo de enlace a la vez.
Las herramientas estadísticas de ADN tienden a proporcionar más medidas al usuario, porque tienen medidas que utilizan datos extraídos de múltiples redes simultáneamente. Los modelos de espacio latente (Sarkar y Moore, 2005) [3] y la simulación basada en agentes se utilizan a menudo para examinar redes sociales dinámicas (Carley et al., 2009). [4] Desde una perspectiva de simulación por computadora, los nodos en el ADN son como átomos en la teoría cuántica, los nodos pueden ser tratados, aunque no necesariamente, como probabilísticos. Mientras que los nodos en un modelo SNA tradicional son estáticos, los nodos en un modelo de ADN tienen la capacidad de aprender. Las propiedades cambian con el tiempo; los nodos pueden adaptarse: los empleados de una empresa pueden aprender nuevas habilidades y aumentar su valor para la red; o, capturan a un terrorista y tres más se ven obligados a improvisar. El cambio se propaga de un nodo al siguiente y así sucesivamente. El ADN agrega el elemento de la evolución de una red y considera las circunstancias bajo las cuales es probable que ocurra el cambio.
El análisis dinámico de redes tiene tres características principales que lo distinguen del análisis estándar de redes sociales. En primer lugar, en lugar de utilizar únicamente redes sociales, el análisis dinámico de redes analiza metarredes. En segundo lugar, el modelado basado en agentes y otras formas de simulación se utilizan a menudo para explorar cómo evolucionan y se adaptan las redes, así como el impacto de las intervenciones en esas redes. En tercer lugar, los vínculos de la red no son binarios; de hecho, en muchos casos representan la probabilidad de que exista un vínculo.
Aprendizaje de representación dinámica
La información compleja sobre las relaciones entre objetos se puede condensar de manera eficaz en incrustaciones de baja dimensión en un espacio latente. [5] Los sistemas dinámicos, a diferencia de los estáticos, implican cambios temporales. Las diferencias en las representaciones aprendidas a lo largo del tiempo en un sistema dinámico pueden surgir de cambios reales o alteraciones arbitrarias que no afectan las métricas en el espacio latente; las primeras se reflejan en la estabilidad del sistema y las segundas están vinculadas a la alineación de las incrustaciones. [6]
En esencia, la estabilidad del sistema define su dinámica, mientras que la desalineación significa cambios irrelevantes en el espacio latente. Las incrustaciones dinámicas se consideran alineadas cuando las variaciones entre incrustaciones en diferentes momentos representan con precisión los cambios reales del sistema, no alteraciones sin sentido en el espacio latente. La cuestión de la estabilidad y la alineación de las incrustaciones dinámicas tiene una importancia significativa en varias tareas que dependen de los cambios temporales dentro del espacio latente. Estas tareas abarcan la predicción de metadatos futuros, la evolución temporal, la visualización dinámica y la obtención de incrustaciones promedio, entre otras.
Meta-red
Una metared es una red multimodo, multienlace y multinivel. Multimodo significa que hay muchos tipos de nodos; por ejemplo, nodos de personas y ubicaciones. Multienlace significa que hay muchos tipos de enlaces; por ejemplo, amistad y asesoramiento. Multinivel significa que algunos nodos pueden ser miembros de otros nodos, como una red compuesta por personas y organizaciones y uno de los enlaces es quién es miembro de qué organización.
Aunque los distintos investigadores utilizan distintos modos, los modos comunes reflejan quién, qué, cuándo, dónde, por qué y cómo. Un ejemplo sencillo de una metared es la formulación PCANS con personas, tareas y recursos. [7] Una formulación más detallada considera personas, tareas, recursos, conocimiento y organizaciones. [8] La herramienta ORA se desarrolló para respaldar el análisis de metarredes. [9]
Problemas ilustrativos en los que trabajan las personas del área del ADN
Desarrollar métricas y estadísticas para evaluar e identificar cambios dentro y entre redes.
Desarrollo y prueba de la teoría del cambio, evolución, adaptación y decadencia de la red [10]
Desarrollo y validación de modelos formales de generación y evolución de redes.
Desarrollo de técnicas para visualizar el cambio de la red en general o a nivel de nodo o grupo.
Desarrollar técnicas estadísticas para ver si las diferencias observadas a lo largo del tiempo en las redes se deben simplemente a muestras diferentes de una distribución de enlaces y nodos o a cambios a lo largo del tiempo en la distribución subyacente de enlaces y nodos.
Desarrollo de procesos de control de redes a lo largo del tiempo
Desarrollo de algoritmos para cambiar las distribuciones de enlaces en redes a lo largo del tiempo
Desarrollo de algoritmos para rastrear grupos en redes a lo largo del tiempo
Desarrollo de herramientas para extraer o localizar redes de diversas fuentes de datos como textos.
Desarrollo de mediciones estadísticamente válidas sobre redes a lo largo del tiempo
Examen de la solidez de las métricas de red bajo varios tipos de datos faltantes
Estudios empíricos de redes multimodo, multienlace y multiperiodo
Examinando las redes como fenómenos probabilísticos variantes en el tiempo
Previsión de cambios en redes existentes
Identificación de senderos a través del tiempo dada una secuencia de redes
Identificación de cambios en la criticidad de los nodos dada una secuencia de redes y cualquier otra cosa relacionada con redes multimodo, multienlace y multiperíodo de tiempo
Estudio de los paseos aleatorios en redes temporales [11]
Cuantificación de propiedades estructurales de secuencias de contacto en redes dinámicas, que influyen en procesos dinámicos [12]
Evaluación de la actividad encubierta [13] y redes oscuras [14]
Análisis citacional [15]
Análisis de redes sociales [16]
Evaluación de los sistemas de salud pública [17]
Análisis de los resultados de seguridad hospitalaria [18]
Evaluación de la estructura de la violencia étnica a partir de datos periodísticos [19]
Evaluación de los grupos terroristas [20]
Decadencia social en línea de las interacciones sociales [21]
Modelado de interacciones en el aula en escuelas [22]
^ Lotker, Z. (2021). Introducción a la evolución de las redes sociales. En Análisis de narrativas en redes sociales (pp. 167-185). Springer, Cham.
^ Harrison C. White, 1992, Identidad y control: una teoría estructural de la acción social. Princeton University Press.
^ Purnamrita Sarkar y Andrew W. Moore. 2005. Análisis dinámico de redes sociales utilizando modelos de espacio latente. SIGKDD Explor. Newsl. 7, 2 (diciembre de 2005), 31-40.
^ Kathleen M. Carley, Michael K. Martin y Brian Hirshman, 2009, "La etiología del cambio social", Temas de ciencia cognitiva, 1.4:621-650
^ Cao, Shaosheng; Lu, Wei; Xu, Qiongkai (17 de octubre de 2015). "GraRep: Aprendizaje de representaciones gráficas con información estructural global". Actas de la 24.ª Conferencia Internacional de la ACM sobre Gestión de la Información y el Conocimiento . CIKM '15. Nueva York, NY, EE. UU.: Association for Computing Machinery. págs. 891–900. doi :10.1145/2806416.2806512. ISBN .978-1-4503-3794-6. Número de identificación del sujeto 17341970.
^ Gürsoy, Furkan; Haddad, Mounir; Bothorel, Cécile (7 de octubre de 2023). "Alineación y estabilidad de las incrustaciones: mejora de la medición y la inferencia". Neurocomputing . 553 : 126517. arXiv : 2101.07251 . doi :10.1016/j.neucom.2023.126517. ISSN 0925-2312. S2CID 231632462.
^ David Krackhardt y Kathleen M. Carley, 1998, "Un modelo PCANS de estructura en la organización", en actas del Simposio internacional de 1998 sobre investigación y tecnología de mando y control, Monterey, CA, junio de 1998, Evidence Based Research, Viena, VA, págs. 113-119.
^ Kathleen M. Carley, 2002, "Agentes y organizaciones inteligentes del futuro", The Handbook of New Media, editado por Leah Lievrouw y Sonia Livingstone (eds.), Thousand Oaks, CA, Sage, cap. 12: 206-220.
^ Kathleen M. Carley. 2014. "ORA: un conjunto de herramientas para el análisis y visualización de redes dinámicas", en Reda Alhajj y Jon Rokne (Eds.) Enciclopedia de análisis y minería de redes sociales, Springer.
^ Majdandzic, A.; et al. (2013). "Recuperación espontánea en redes dinámicas". Nature Physics . 10 : 34–38. doi : 10.1038/nphys2819 .
^ Michele Starnini, Andrea Baronchelli, Alain Barrat, 2012, Paseos aleatorios en redes temporales. Física. Rev. E 85, 056115, http://link.aps.org/doi/10.1103/PhysRevE.85.056115
^ René Pfitzner, Ingo Scholtes, Antonios Garas, Claudio Juan Tessone, Frank Schweitzer, 2012, "Preferencia de intermediación: cuantificación de correlaciones en la dinámica topológica de redes temporales", Physical Review Letters, vol. 110, 10 de mayo de 2013.
^ Carley, Kathleen M., Michael K., Martin y John P. Hancock, 2009, "Análisis dinámico de redes aplicado a experimentos del entorno de investigación de arquitecturas de decisión", Arquitecturas de decisión avanzadas para el guerrero: fundamentos y tecnología, cap. 4.
^ Everton, Sean, 2012, Disrupting Dark Networks, Cambridge University Press, Nueva York, NY
^ Kas, Miray, Kathleen M. Carley y L. Richard Carley, 2012, "¿Quién estuvo dónde y cuándo? Análisis espacio-temporal de la movilidad de los investigadores en la ciencia nuclear", en las actas del Taller internacional sobre integración y recuperación de datos espacio-temporales (STIR 2012), celebrado en conjunto con ICDE 2012, 1 de abril de 2012, Washington DC
^ Carley, Kathleen. M., Jürgen Pfeffer, Huan Liu , Fred Morstatter, Rebecca Goolsby, 2013, Evaluación en tiempo casi real de las redes sociales mediante análisis de redes geotemporales, en Actas de la Conferencia internacional IEEE/ACM de 2013 sobre avances en análisis y minería de redes sociales (ASONAM), 25 al 28 de agosto de 2013, Cataratas del Niágara, Canadá.
^ Merrill, Jacqueline, Mark G. Orr, Christie Y. Jeon, Rosalind V. Wilson, Jonathan Storrick y Kathleen M. Carley, 2012, "Topología de las redes de asesoramiento de los funcionarios de salud locales: atención a las brechas", Journal of Public Health Management Practice, 18(6): 602–608
^ Effken, Judith A., Sheila Gephart y Kathleen M. Carley, 2013, "Uso de ORA para evaluar la relación de las transferencias con los resultados de calidad y seguridad", Computadoras, Informática, Enfermería. 31(1): 36-44.
^ Van Holt, Tracy, Jeffrey C. Johnson, Jamie Brinkley, Kathleen M. Carley y Janna Caspersen, 2012, "Estructura de la violencia étnica en Sudán: un enfoque analítico automatizado de contenido, metared y geoespacial", Computational and Mathematical Organization Theory, 18:340-355.
^ Kenney, Michael J., John Horgan, Cale Horne, Peter Vining, Kathleen M. Carley, Michael Bigrigg, Mia Bloom , Kurt Braddock, 2012, Adaptación organizacional en una red activista: redes sociales, liderazgo y cambio en al-Muhajiroun, Ergonomía Aplicada, 44(5):739-747.
^ M. Abufouda, KA Zweig. "Un modelo teórico para comprender la dinámica de la decadencia de las redes sociales en línea". Preimpresión de arXiv arXiv:1610.01538.
^ Christian Bokhove, 2016, "Explorando la interacción en el aula con análisis dinámico de redes sociales", Revista Internacional de Investigación y Métodos en Educación, doi :10.1080/1743727X.2016.1192116.
Lectura adicional
Kathleen M. Carley, 2003, "Análisis dinámico de redes" en Modelado y análisis dinámico de redes sociales: resumen del taller y artículos, Ronald Breiger, Kathleen Carley y Philippa Pattison, (Eds.) Comité de Factores Humanos, Consejo Nacional de Investigación, Consejo Nacional de Investigación. Págs. 133–145, Washington, DC.
Kathleen M. Carley, 2002, "Agentes y organizaciones inteligentes del futuro", The Handbook of New Media, editado por Leah Lievrouw y Sonia Livingstone, cap. 12, págs. 206-220, Thousand Oaks, CA, Sage.
Kathleen M. Carley, Jana Diesner, Jeffrey Reminga, Maksim Tsvetovat, 2008, Toward an Interoperable Dynamic Network Analysis Toolkit, Número especial del DSS sobre ciberinfraestructura para la seguridad nacional: avances en el intercambio de información, la minería de datos y los sistemas de colaboración. Decision Support Systems 43(4):1324-1347 (artículo 20 [ enlace roto ] )
Terrill L. Frantz, Kathleen M. Carley. 2009, Toward A Confidence Estimate For The Most-Central-Actor Finding. Conferencia anual de la Academy of Management, Chicago, Illinois, EE. UU., del 7 al 11 de agosto. (Premio al mejor artículo de estudiante de Sage Publications/RM Division)
Petter Holme, Jari Saramäki, 2011, "Redes temporales". https://arxiv.org/abs/1108.1780
C. Aggarwal, K. Subbian, 2014, "Análisis de redes evolutivas: una encuesta". Encuestas de computación de ACM, 47(1). (pdf)
Enlaces externos
Seminario exploratorio de Radcliffe sobre redes dinámicas
Centro de Análisis Computacional de Sistemas Sociales y Organizacionales (CASOS)