Tesis:
Cartografía y análisis de redes de colaboración científica y redes sociales
- Autor: OLIVARES FERNÁNDEZ, Gastón
- Título: Cartografía y análisis de redes de colaboración científica y redes sociales
- Fecha: 2019
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS AGRONOMOS
- Departamentos: INGENIERIA AGROFORESTAL
- Acceso electrónico: http://oa.upm.es/57263/
- Director/a 1º: LOSADA GONZALEZ, Juan Carlos
- Director/a 2º: CÁRDENAS VILLALOBOS, Juan Pablo
- Resumen: En esta tesis se aborda el estudio de sistemas sociales desde la perspectiva de la teoría de redes complejas. En primer lugar se analizan redes de colaboración científica, que implican interacciones sociales, en teoría, presenciales y, posteriormente, se extiende el estudio a redes sociales online. En el caso de las redes de colaboración científica se han utilizado datos de la Web of Science para catorce países en un período de 2008-2018, mientras que en el caso de las redes sociales online se han analizado las conversaciones de Twitter durante la última semana de la segunda vuelta de las elecciones presidenciales de Chile el 2017. En ambos casos se han modelizado los sistemas sociales como redes o grafos cuyos componentes poseen características propias cuantificables como son su Actividad en el sistema, la Respuesta del Sistema a esta actividad y su posición en la red. En el caso de las redes de co-autoría, los autores corresponden a nodos del sistema mientras que sus enlaces representan las relaciones de co-autoría de cada publicación. En este caso hemos demostrado que las correlaciones más fuertes se dan entre el nivel de conectividad (coeficiente de grado) y la Actividad (número de publicaciones) de los autores y, con una correlación mayor, entre el Pagerank y la Actividad. Una vez comprendido el funcionamiento global de una red de co-autoría, se procedió a realizar una transformación desde este tipo de red hacia un nuevo tipo llamado Red de Complemento Disciplinar, donde las disciplinas científicas asociadas a una publicación serán los nodos de este grafo enlazados a otros de acuerdo a las disciplinas científicas de la publicación. A través de la Actividad, Respuesta del Sistema y la Centralidad de cada disciplina se definió una métrica para medir la importancia de cada una de las disciplinas científicas. De estos resultados se obtiene que la disciplina Biochemistry & Molecular Biology es la más importante. Con esta medida de importancia se obtuvo un indicador en el intervalo -1 y 1 que permite medir y comparar la diversidad del conocimiento científico de los países analizados y demostrar que, en general, todos aquellos países definidos como desarrollados por el Banco Mundial poseen un valor mayor que cero de este indicador, mientras que para el resto de los países ese valor es menor a cero (negativo). Además se encontró una fuerte correlación entre este indicador y el PIB per cápita de cada uno de los países. Una vez conocidas las disciplinas más importantes, se diseñó un algoritmo para pronosticar el desarrollo de nuevas disciplinas científicas a nivel institucional, a través de una transformación de las redes de complemento disciplinar, denominada Cartografía del Conocimiento. Hemos comprobado que la posición (Centralidad) de las disciplinas no desarrolladas es más importante que la Actividad de sus disciplinas vecinas desarrolladas. Se cuantificó la bondad del algoritmo de predicción obteniendo una sensibilidad promedio de 0;84. Además de lo anterior, se desarrolló una herramienta web de análisis de las redes de co-autoría y de complemento disciplinar, que permite clasificar a los autores de acuerdo a su importancia y visualizar las relaciones entre ellos. Finalmente, hemos extendido el estudio realizado en redes sociales de co-autoría (presenciales) a una red social online, midiendo la polarización política a través de un algoritmo basado en la posición de los usuarios en las redes de Retweet para la segunda ronda de las elecciones presidenciales chilenas del 2017. Partiendo de una pequeña cantidad de usuarios cuya opinión política se conoce de antemano, hemos estimado la opinión del resto de los usuarios que participan en la conversación. Con esto se observó que el día previo a la elección presidencial fue cuando el sistema alcanza su máximo valor de polarización y las opiniones de los usuarios de ese día se correlacionan bien con los resultados finales de las elecciones electorales. ----------ABSTRACT---------- This thesis deals with the study of social systems from the complex network theory perspective. Firstly, scientific collaboration networks, which theoretically represent face-to-face relationships, were analyzed. Then, this study was extended to online social networks. In the case of scientific collaboration networks, the data for fourteen countries in the period of 2008-2018 has been obtained from Web of Science database. In the case of online social networks, Twitter conversations have been analyzed during the last week of the second round of the presidential elections of Chile in 2017. In both cases, social systems have been modeled as networks or graphs whose components have their own quantifiable characteristics such as their Activity in the system, the System’s Response to this activity and their position in the network. In the case of co-author networks, the authors correspond to nodes of the system while their links represent the co-author relationships of each publication. In this case we have shown that the strongest correlations occur between the level of connectivity (degree coefficient) and the Activity (number of publications) of the authors and between Pagerank and author’s Activity. Once the overall operation of a co-authorship network was understood, a transformation was made from this type of network towards a new type called Disciplinary Complement Network, where the scientific disciplines associated with a publication are the nodes of this network linked to others according to the scientific disciplines of the publication. Through the Activity, System Response and Centrality of each discipline, a metric was defined to measure the importance of each of the scientific disciplines. The results obtained shown that the most important discipline is Biochemistry & Molecular Biology. With this measure of importance, a new metric was obtained in the [-1, 1] domain. This metric allows measuring and comparing the diversity of scientific knowledge of the countries analyzed and demonstrating that, in general, all those countries defined as Developed by the World Bank has a metric value greater than zero, while for the rest of the countries that value is less than zero (negative). In addition, a strong correlation was found between this indicator and the GDP per capita of each of the countries. Once the most important disciplines were defined, an algorithm was designed to predict the development of new scientific disciplines at the institutional level, through a transformation of the disciplinary complement networks, known as Cartography of Knowledge. The results shown that the position (Centrality) of the undeveloped disciplines is more important than the Activity of their neighboring developed disciplines. The prediction of the algorithm was quantified obtaining an average sensitivity of 0;84. In addition, a web tool for the analysis of co-authorship and disciplinary complement networks was developed, which allows classifying authors according to their importance and visualizing the relationships between them. Finally, we have extended the study to an online social network, measuring political polarization through an algorithm based on the position of users in Retweet networks for the second round of presidential elections Chilean 2017. Based on a few users whose political opinion is known, we have estimated the opinion of the rest of the users participating in the conversation. With this it was observed that the day before the presidential election was when the system reaches its maximum polarization value and the opinions of the users of that day correlate well with the final results of the electoral elections.