Un ejemplo de un diagrama de red dinámico de múltiples entidades, múltiples redes
Hay dos aspectos de este campo. El primero es el análisis estadístico de datos de ADN. El segundo es la utilización de la simulación para abordar cuestiones de dinámica de red. Las redes de ADN se diferencian de las redes sociales tradicionales en que son redes más grandes, dinámicas, multimodo y múltiples, 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 resultan de factores externos que son independientes de las características sociales que se encuentran en las redes. Uno de los casos más notables y tempranos 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 generalmente están optimizadas para redes de gran escala y admiten el análisis de múltiples redes simultáneamente en las cuales existen múltiples tipos de nodos (multi-node) y múltiples tipos de enlaces (multi-plex). Las redes multiplex de múltiples nodos generalmente se denominan metaredes o redes de alta dimensión. Por el contrario, las herramientas estadísticas del SCN se centran en datos de modo único o como máximo de dos modos y facilitan el análisis de un solo tipo de vínculo 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 los átomos en la teoría cuántica; los nodos pueden ser, aunque no necesariamente, tratados como probabilísticos. Mientras que los nodos de un modelo SNA tradicional son estáticos, los nodos de 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 capturar 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 añade el elemento de evolución de una red y considera las circunstancias bajo las cuales es probable que se produzcan cambios.
Hay tres características principales del análisis dinámico de redes que lo distinguen del análisis estándar de redes sociales. En primer lugar, en lugar de limitarse a utilizar las redes sociales, el ADN analiza las metaredes. En segundo lugar, a menudo se utilizan modelos basados en agentes y otras formas de simulaciones para explorar cómo evolucionan y se adaptan las redes, así como el impacto de las intervenciones en esas redes. En tercer lugar, los enlaces 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 eficazmente 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 reflejan 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 diversas tareas que dependen de cambios temporales dentro del espacio latente. Estas tareas abarcan predicción futura de metadatos, evolución temporal, visualización dinámica y obtención de incrustaciones promedio, entre otras.
Metared
Una metared es una red multimodo, multienlace y multinivel. Multimodo significa que existen muchos tipos de nodos; por ejemplo, nodos, personas y ubicaciones. Enlace múltiple significa que existen muchos tipos de enlaces; por ejemplo, amistad y consejo. 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.
Si bien diferentes investigadores utilizan diferentes modos, los modos comunes reflejan quién, qué, cuándo, dónde, por qué y cómo. Un ejemplo sencillo de metared es la formulación PCANS con personas, tareas y recursos. [7] Una formulación más detallada considera personas, tareas, recursos, conocimientos y organizaciones. [8] La herramienta ORA fue desarrollada para apoyar el análisis de metaredes. [9]
Problemas ilustrativos en los que trabajan las personas en el área de ADN
Desarrollar métricas y estadísticas para evaluar e identificar cambios dentro y entre redes.
Desarrollar y probar la teoría del cambio, evolución, adaptación y decadencia de la red [10]
Desarrollar y validar modelos formales de generación y evolución de redes.
Desarrollar 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.
Desarrollar procesos de control de redes a lo largo del tiempo.
Desarrollar algoritmos para cambiar la distribución de enlaces en redes a lo largo del tiempo.
Desarrollando algoritmos para rastrear grupos en redes a lo largo del tiempo
Desarrollar herramientas para extraer o localizar redes de diversas fuentes de datos, como textos.
Desarrollar mediciones estadísticamente válidas en redes a lo largo del tiempo.
Examinar la solidez de las métricas de la red bajo varios tipos de datos faltantes
Estudios empíricos de redes multimodo, multienlace y período de tiempo múltiple.
Examinando las redes como fenómenos probabilísticos variables en el tiempo.
Previsión de cambios en las redes existentes.
Identificar senderos a través del tiempo dada una secuencia de redes.
Identificar cambios en la criticidad de los nodos dada una secuencia de redes. Cualquier otra cosa relacionada con redes multimodo, multienlace y períodos de tiempo múltiples.
Estudio de paseos aleatorios en redes temporales [11]
Cuantificación de las propiedades estructurales de las secuencias de contactos en redes dinámicas, que influyen en los procesos dinámicos [12]
Evaluación de actividad encubierta [13] y redes oscuras [14]
Análisis de citas [15]
Análisis de redes sociales [16]
Evaluación de los sistemas de salud pública [17]
Análisis de resultados de seguridad hospitalaria [18]
Evaluación de la estructura de la violencia étnica a partir de datos noticiosos [19]
Evaluación de grupos terroristas [20]
Decadencia social en línea de las interacciones sociales [21]
Modelado de interacciones en el aula en las escuelas [22]
^ Lotker, Z. (2021). Introducción a las redes sociales en evolución. En Análisis de narrativas en redes sociales (págs. 167-185). Springer, Cham.
^ Harrison C. White, 1992, Identidad y control: una teoría estructural de la acción social. Prensa de la Universidad de Princeton.
^ Purnamrita Sarkar y Andrew W. Moore. 2005. Análisis dinámico de redes sociales utilizando modelos de espacio latente. Explorador SIGKDD. Noticiasl. 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 de gráficos con información estructural global". Actas de la 24ª Conferencia Internacional ACM sobre Gestión de la Información y el Conocimiento . CIKM '15. Nueva York, NY, EE.UU.: Asociación de Maquinaria de Computación. págs. 891–900. doi :10.1145/2806416.2806512. ISBN 978-1-4503-3794-6. S2CID 17341970.
^ Gürsoy, Furkan; Haddad, Mounir; Bothorel, Cécile (7 de octubre de 2023). "Alineación y estabilidad de incrustaciones: mejora de medidas e inferencias". Neurocomputación . 553 : 126517. arXiv : 2101.07251 . doi : 10.1016/j.neucom.2023.126517. ISSN 0925-2312. S2CID 231632462.
^ David Krackhardt y Kathleen M. Carley, 1998, "A PCANS Model of Structure in Organization", en actas del Simposio internacional de 1998 sobre investigación y tecnología de mando y control, Monterey, CA, junio de 1998, Investigación basada en evidencia, 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 la visualización de redes dinámicas", en Reda Alhajj y Jon Rokne (Eds.) Enciclopedia de análisis y minería de redes sociales, Springer.
^ Majdandžic, A.; et al. (2013). "Recuperación espontánea en redes dinámicas". Física de la Naturaleza . 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 de redes dinámicas aplicado a experimentos del entorno de investigación de arquitecturas de decisión", Arquitecturas de decisión avanzadas para Warfigher: fundamento 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 estaba dónde, cuándo? Análisis espaciotemporal de la movilidad de los investigadores en ciencias nucleares", en actas del Taller internacional sobre integración y recuperación de datos espaciotemporales (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 redes sociales utilizando 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 funcionarios de salud locales: tenga cuidado con las brechas", Revista de gestión de salud pública Práctica, 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 automatizado de contenido, metared y análisis geoespacial", Teoría de la organización computacional y matemática , 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 de activistas: 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 del deterioro 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 Método en Educación, doi :10.1080/1743727X.2016.1192116.
Otras lecturas
Kathleen M. Carley, 2003, "Análisis dinámico de redes" en Modelado y análisis dinámicos de redes sociales: resumen y artículos del taller, Ronald Breiger, Kathleen Carley y Philippa Pattison, (Eds.) Comité de Factores Humanos, Consejo Nacional de Investigación, Investigación Nacional Concejo. Páginas. 133–145, Washington, DC.
Kathleen M. Carley, 2002, "Agentes y organizaciones inteligentes del futuro" El manual de nuevos medios. 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. Sistemas de apoyo a la decisión 43(4):1324-1347 (artículo 20 [ enlace muerto ] )
Terrill L. Frantz, Kathleen M. Carley. 2009, Hacia una estimación de confianza para el hallazgo del actor más central. Conferencia anual de la Academy of Management, Chicago, IL, EE. UU., 7 a 11 de agosto. (Galardonado con el premio al mejor artículo estudiantil de la División RM/Sage Publications)
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 informática ACM, 47(1). (pdf)
enlaces externos
Seminario exploratorio de Radcliffe sobre redes dinámicas
Centro de Análisis Computacional de Sistemas Sociales y Organizacionales (CASOS)