Redes, grafos y complejidad

+43

No comments posted yet

Comments

chabechris1 (8 years ago)

gaga

Slide 1

Redes y complejidad Carlos Reynoso Universidad de Buenos Aires http://carlosreynoso.com.ar

Slide 2

Objetivos Ingresar a las teorías de la complejidad via redes, uno de los temas de mayor impacto antropológico Revisar elementos de teoría de complejidad y caos Ilustrar rupturas epistemológicas esenciales Demarcar y establecer distancia con teorías no estrictamente complejas, o “complejas” en sentido estadístico Morin, Capra, autopoiesis, investigación social de segundo orden

Slide 3

Agenda Redes complejas Teoría de grafos Leonhard Euler Redes aleatorias Erdös – Rényi Teoría y análisis tradicional Sociometría (Jacob Levi Moreno) Escuela de Cambridge: Boissevain, Mitchell, Bott Pequeños mundos Stanley Milgram Brett Tjaden – Kevin Bacon Watts – Strogatz Redes independientes de escala Barabási Síntesis de desafíos epistemológicos “No hay nada tan práctico como una buena teoría” Kurt Lewin

Slide 4

¿Por qué redes? Muchos problemas de pueden redefinir en términos de redes Relaciones interétnicas, difusión de información crítica (p. ej. políticas del agua), campañas sanitarias, el proceso del 11/3 en España Propagación de rumores, enfermedades, modas Relaciones de clientelismo, compadrazgo, parentesco Circulación de bienes, transacciones Relaciones interpersonales, segregación, ghettos, exclusión Implementación de programas de política cultural en antropología aplicada Técnica antropológica - ¿Qué técnicas dominan los antropólogos?

Slide 5

¿Por qué redes? El Análisis de Redes Sociales (ARS, SNA) permite razonar de maneras más precisas y consistentes Está suficientemente probado que el uso de conceptos “sensibilizadores” como “grupo” o “rol social” obstruye el razonamiento formal Antropología: Mitchell, Bott, Barnes (1950s) La descripción de la organización social en términos de instituciones (economía, religión, política, parentesco) no es suficiente para comprender la conducta de los individuos en sociedades complejas “No es posible construir teorías explicativas rigurosas utilizando metáforas” (Leinhardt)

Slide 6

Redes sociales de segundo orden

Slide 7

RS como espacio del acontecimiento 20D argentino (2001), 11M español (2004) Analógico el primero, digital el segundo Escaladas, retroalimentación y esquismogénesis 2004/6 RS como espacio de acción de las tribus urbanas RS como espacio de oportunidades de las operaciones de mercadeo Redes de texto y significado: Algoritmos de Google, Amazon… Web mining, graph mining y la red semántica RS como objeto de la etnografía multisituada RS como clave en la gestión social y política Redes parentales y construcción de la identidad Contrainsurgencia, narcotráfico, trata de personas, la “primavera árabe”, redes criminales (caso Candela), terrorismo 

Slide 8

Domesticación metodológica de las Redes del Terror Familias florentinas, mineros de Kapferer, complotados del 11-S, vínculos de pequeños mundos en pos de Osama bin Laden…

Slide 9

Redes sociales

Slide 10

Indicadores metodológicos (1/3)

Slide 11

Indicadores metodológicos (2/3)

Slide 12

Indicadores metodológicos (3/3)

Slide 13

Constantes emanadas de los indicadores Estadísticas para descubrimiento de patrones, no al servicio de la prueba de hipótesis Uso de modelos estadísticos para fines de correlación y aproximación de curvas Reconocimiento de rostros Descubrimiento de patrones en organización de datos Modelo de “aprendizaje” de caja negra ¿Cuánto hace que la antropología perdió sus teorías de aprendizaje? El Número de Dunbar y otras intuiciones abandonadas ¿Cuánto puede medir una red de amigos? Conjuntos reticulares: Espacios multidimensionales no sujetos a supuestos de distribución normal

Slide 14

Número de Dunbar Círculos de 5, 15, 35, 80, 150 Familia y amigos íntimos Amigos cercanos Colegas y conocidos Miembros del club u organización Nuestra aldea personal ¿Cómo varían los números con las redes sociales de segundo orden?

Slide 15

Diagnóstico Fracaso de la predicción de pautas globales en ciencias sociales Nadie (¿excepto Daniel Bell?) predijo la Web Descrédito de la cuádruple “s” (synchronous single society study) Nadie previó la necesidad del pasaje de lo local a lo global Geertz: “Local knowledge” en 1983!! A pesar del bombo de la hermenéutica, nadie había elaborado formalmente la semántica “Emergencia”, “no linealidad” y “sensitividad extrema a las condiciones iniciales” como coartadas Necesidad de integrar modelos de complejidad

Slide 16

Mitos recurrentes del ARS La dimensión visual de las redes y las relaciones presentes en las matrices revelan estructuras no accesibles de otro modo La conceptualización del ARS clarifica los términos relacionales de la ciencia social discursiva Replicación de saberes conocidos Respuestas decepcionantes a preguntas imprecisas Falsa impresión de simplificación de las relaciones esenciales Los nodos de las redes corresponden a entidades sustantivas, las aristas corresponden a relaciones (verbos), los valores del vínculo reflejan propiedades (adjetivos) La prisión del lenguaje

Slide 17

Modelo canónico Stanley Wasserman & Katherine Faust. Social Network Analysis: Methods and applications. Cambridge, Cambridge University Press, 1994.

Slide 18

Fallas en el modelo canónico Análisis estructural estático, en vez de modelado dinámico Naturaleza cuantitativa de los indicadores fundamentales Sesgo del cálculo estadístico hacia supuestos de normalidad (muestreo aleatorio y NHST incluido) El muestreo “normaliza” la distribución Teoremas del límite central Distribuciones normales o de Bernoulli, en vez de Cauchy o ley de potencia Pequeños mundos como metodología, antes que como propiedad significativa Sociofísica a nivel ontológico, en vez de epistemológico Falta de examen adecuado del clustering, la fuerza de los vínculos débiles, los fenómenos de percolación, la evolución de redes (principio de San Mateo), las aplicaciones de grafos, el tratamiento de outliers, los problemas de robustez, etc

Slide 19

Redes y estadísticas de la normalidad – Por qué no Las estadísticas paramétricas se basan en el muestreo aleatorio y la independencia de datos En las redes los datos no son independientes por definición Problema de Galton, no resuelto Autocorrelación espacial Primera ley de la geografía (Tobler) Falta de robustez de la media Los indicadores de cantidad (p. ej. densidad de población, ingreso per capita) no son indicadores de calidad Calcuta, principado de Mónaco, Park Avenue; Bill Gates y su mayordomo Existencia irreductible de distribuciones alejadas de la normalidad Dinámicas alejadas del equilibrio

Slide 20

Secuencia histórica

Slide 21

Teoría de grafos Leonhard Euler, 1736 Los 7 puentes de Königsberg Primer teorema de la teoría de grafos: no se pueden recorrer los 7 puentes Reemplazó áreas de tierra por nodos y puentes por vínculos (links) Se encuentra solución universal El primer grafo fue un multigrafo (admite más de una línea entre 2 puntos)

Slide 22

Teoría de grafos Un grafo contiene un circuito de Euler si se pueden trazar los arcos sin levantar la pluma y sin dibujar más de una vez cada arco, finalizando en el vértice en que se inició Contiene un camino de Euler si [idem] finalizando en cualquier vértice Un grafo con todos los vértices pares contiene un circuito de Euler Un grafo con dos vértices impares y algunos pares contiene un camino de Euler Un grafo con más de dos vértices impares no contiene ningún circuito ni camino de Euler

Slide 23

Teoría de grafos Euler: Propiedades de grafos La solución no depende del ingenio que se tenga para encontrar la solución Origen de la teoría de redes (estáticas) en matemáticas, sociología, antropología, ingeniería, economía, biología, etc Bott, Barnes, Meyer, Boissevain, Mitchell, Wasserman-Faust

Slide 24

Grafos contra la intuición Red primal o dual

Slide 25

Grafos contra la intuición Esquinas como nodos, calles como uniones: Modelo fundamentalmente ínutil Planeamiento de recorridos, asignación de recursos, organización de agendas: implica la misma problemática de el dilema de los cuatro colores

Slide 28

Grafos como herramienta contraintuitiva Teoría de Ramsey Problemas de pequeña escala son insolubles / intratables / indecidibles Pero: el orden estructural es inevitable Qué cantidad de personas se requiere en un sistemas para que hayan n cliques de n miembros Solución contraria a la intuición: R(3,3)=6, R(4,4)=18 pero R(5,5) no será calculable jamás

Slide 29

Grafos como herramienta contraintuitiva Juego del Sim: http://www.cut-the-knot.org/Curriculum/Combinatorics/ThreeOrThree.shtml

Slide 30

Survey de número de Ramsey http://www.combinatorics.org/Surveys/ds1/sur.pdf

Slide 31

Grafos como herramienta contraintuitiva El grafo como figura permite captar patrones pero no es fácilmente analizable Matriz de incidencia – Álgebra lineal

Slide 32

Grafos isomorfos Erdös-Rényi, 200 nodos Energía - Kamada-Kawai Circular

Slide 33

Grafos isomorfos Fruchterman-Reingold Fish Eye

Slide 34

Optimización de grafos Davidson & Harel (1992) – Simulated annealing

Slide 35

Nexos con programación lineal Leonid Kantorovich [1912-1986] Optimización de métodos de la industria soviética George Dantzing [1914-2005] Creador del método simplex Resolución de problemas pendientes No existe aún la programación no lineal

Slide 36

Historia Jacob Levy Moreno 1930s, sociometría Moreno, 1889-1974 – Alumno de Jung También psicodrama, role playing – Algo desprestigiado ahora Alex Bavelas – MIT, 1948, Laboratorio de redes Seguidor de Kurt Lewin y Moreno Bavelas-Leavitt – Estadísticas de centralidad John Barnes, 1954 – “Red social” Escuela de Manchester (Max Gluckman) – Antropología urbana (Barnes, Clyde Mitchell, Elizabeth Bott)

Slide 37

Sociometría Desarrollo de la dimensión visual Sociomatrices, sociogramas

Slide 38

Evolución Sociograma moreniano, grafo lewiniano, grafo de Bavelas

Slide 39

Escuela de Harvard (1920-30s) Elton Mayo – Modelos de red de Lloyd Warner (alumno de Radcliffe-Brown) Efecto Hawthorne

Slide 40

Las redes sociales en el tiempo 1920s – Sociogramas y sociomatrices 1940s – Escuela de Harvard 1950s – Escuela de Manchester – Sociedades complejas – Erdös-Rényi – Percolación 1960s – Mark Granovetter – Stanley Milgram 1990s – Wasserman & Faust - UCINET 1997 – Barabási – Ley de Pareto en la Web y la Internet 2001 – Bruce Kapferer – Las redes sociales como “caballos muertos” http://www.anthrobase.com/Txt/S/Smedal_Kapferer_01.htm Otras traiciones disciplinares: Pérdida de las técnicas comparativas, del análisis del parentesco y del concepto de cultura Interdisciplinariedad con espacios del conocimiento a un solo grado de separación Advenimiento y triunfo de una concepción discursiva de la complejidad 2005 – Redes sociales virtuales – Las redes como espacio de mercado 2010 – John Barnes no figura en Wikipedia (exc. en sueco)

Slide 41

Manchester – Las 5 “B” Jeremy Boissevain Elizabeth Bott John Arundel Barnes* 1918-2010 Fredrik Barth Frederick Bailey * No se molesten en buscarlo en Wikipedia

Slide 42

Apogeo y decadencia de la Escuela de Manchester Max Gluckman 1911-1975 Bruce Kapferer

Slide 43

Redes aleatorias Ray Solomonoff & Anatol Rapoport, 1951 – Desconocido Paul Erdös y Alfred Rényi, 1950s Redes aleatorias – Extrañas propiedades Problema del vino y el rumor Cuando los nodos tienen en promedio un vínculo cada uno, la fracción del grafo ocupada por el componente más vinculado salta de casi cero a casi uno. Esta es una transición de fase de desconectada a conectada El punto en el que esto sucede es el punto crítico (percolación) La red pasa de varios conglomerados a un componente total Cualquier cosa que suceda en un nodo afecta al conjunto Pajek – Red aleatoria 25 25 – Fruchterman Rengold 2D

Slide 44

Red ER desconectada (10 / 2) Pajek

Slide 45

Red ER conectada (10 / 3)

Slide 46

Redes ER - Abstracción Homometría (Erdös) Rhythm wheels - Congas

Slide 47

Relaciones Entre ritmos y escalas, conocidas por Erdös...

Slide 48

Toussaint

Slide 49

Bembé – Escala mayor

Slide 50

Nodal McCo

Slide 51

Percolación Umbral de percolación Teoría de la difusión de innovaciones Rogers Difusión de rumores, enfermedades Teoría de la comunicación: influencias Strogatz, Watts: Más que los susceptibles, importan los influyentes Contrario a la intuición Estrabón y los monos de España Procesos idénticos, independientemente del objeto

Slide 52

Percolación - 49

Slide 53

Percolación - 51

Slide 54

Distribución normal También llamada “gaussiana” (campana de Gauss) “Curva de campana” (mal llamada curva de Bell – Charles Murray, Richard Herrnstein)

Slide 55

Desafío epistemológico # 1-2 Redes aleatorias – Problema tratable ¿No hay problemas intratables en antropología? Lévi-Strauss, problema de “cuántas clases”, etc ¿No hay errores teóricos? (Gottlob Frege) Definición de problema Nadie definió jamás un problema (Hopcroft) Un problema consiste en determinar si una expresión pertenece a un lenguaje Expresión = Caso Lenguaje = Elementos de la teoría (p. ej. gramática) Determinar si el método implicado en la teoría puede dar cuenta del caso Correspondencias entre expresión y lenguaje Clases de complejidad (Chomsky), gramáticas culturales

Slide 56

Desafío epistemológico #3 Establecer adecuado nivel de abstracción Igual que Clifford Geertz, pero al revés Generalización del problema Oposición al principio moriniano de abstracción como operación conceptual mutilante Habilitador de la idea de modelo

Slide 57

Implicancias La teoría debe proporcionar las herramientas para resolver el problema Distintos problemas implican diferentes modelos de resolución (ev. clases de universalidad) La definición proporcionada no presupone modalidad de inferencia Deductiva, inductiva, hermenéutica o compleja Ejemplos Morin e investigación social de segundo orden: fuerza del azar para resolver problemas El azar no genera auto-organización requerida Se debe especificar cómo se resuelve

Slide 58

Redes aleatorias - Limitaciones En la vida real las redes no son necesariamente aleatorias Las distribuciones empíricas no son al azar No hay clustering en redes aleatorias No coincide con vida real: Los amigos de mis amigos suelen ser amigos míos Redes ER, mal necesario Si se deja de lado la idealización de las redes al azar, se torna muy difícil probar algo (tratabilidad)

Slide 59

Redes - Limitaciones del análisis tradicional Limitado a redes más bien pequeñas 2 o 3 tipos de vínculos, un tipo de nodos Modelo estático No apto para escenarios no deterministas Se han utilizado elementos gráficos y terminología de teoría de grafos, pero no se han derivado teoremas o deducido afirmaciones susceptibles de verificación Falta de análisis de propiedades esenciales Dimensión fractal, ev coeficiente de clustering

Slide 60

Frigyes Karinthy [1887-1938] 1929, Minden masképpen van (Todo es diferente) – Incluye el cuento Lánczsemek (Cadenas) “Para demostrar que la gente en la tierra está hoy más próxima que nunca, un miembro del grupo sugirió una prueba. Apostó que podía nombrar a cualquier persona entre los mil quinientos millones de habitantes de la tierra, y a través de a lo sumo cinco conocidos, uno de los cuales él conociera personalmente, vincularse con la persona escogida”.

Slide 61

Pequeños mundos Experimentos de Stanley Milgram, 1967 Otros experimentos de Milgram [1933- 1984] Cadena de cartas Tomó al azar el nombre de dos personas de otro estado (Massachusetts) y comenzó enviando 160 cartas a residentes al azar en Kansas y Nebraska Si conoce al destinatario, envíele carta directamente Si no lo conoce, envíelo a alguien que piense que es más probable que lo conozca

Slide 62

Pequeños mundos Resultado: volvieron 42 de las 160 cartas, algunas de las cuales requirieron 12 grados. Pero el promedio de intermediarios fue de 5.5 “Seis grados de separación”: Milgram nunca usó la frase John Guare (1991): Six degrees of separation Obra de teatro, luego película (Stockard Channing – No K. Bacon) Mito urbano: Kevin Bacon Buscar : Kevin Bacon Oracle http://www.cs.virginia.edu/oracle Rod Steiger está mejor ubicado. KB es sólo el 876 en la lista.

Slide 65

Algunas precauciones Los hallazgos de Milgram fueron cuestionados por Judith Kleinfeld (2002) Parece no haber base empírica para la afirmación de la cadena de cartas Algunas cadenas son más largas, un porcentaje grande no llega, hay diversas calidades de conectividad vinculadas con la clase social Los “seis grados” serían un mito urbano Los antropólogos generamos más mitos de los que desacreditamos Barabási cree en el experimento, pero Watts no Factores de apatía hacen que el experimento no sea fácilmente reproducible El experimento de Milgram es dudoso, pero los seis grados (o algo así) se mantienen

Slide 66

Redes de lazos débiles Mark Granovetter, 1969: Rechazado por American Sociological Review 1973: “The strength of weak ties”, American Journal of Sociology Importante para conseguir trabajo, lanzar comunicación a medios, difundir modas

Slide 67

Pequeños mundos Steven Strogatz – Duncan Watts, 1990s Redes SW Coeficiente de clustering Dividir número de vínculos real por potencial 1.0 : todos se conocen Modelo alfa Alfa bajo: cavernícola Alfa alto: pequeños mundos Clustering alto o pequeños mundos, pero nada en el medio Agregando vínculos a grillas regulares (p. ej. 5 vínculos a una red de millón) la conectividad aumenta explosivamente, independientemente del tamaño de la red

Slide 68

Pequeños mundos

Slide 69

Desafío epistemológico #4 La complejidad involucra no linealidad No linealidad contradice la intuición La antropología y los estudios urbanos presumen modelos mecánicos proporcionales, incluso en los modelos hermenéuticos Esta visión incluye a la epistemología compleja de Edgar Morin Complejidad como numerosidad Muchos elementos, muchas relaciones Indeterminación, azar (esencializado) Confusión entre contraintuitivo e indeterminado Ausencia de referencias a caos determinista

Slide 70

Redes independientes de escala Barabási, 1990s Análisis de Internet y la Web Hubs y nodos comunes Propiedades extrañas Pocos grados de separación Distribución independiente de escala Distribución 1/f (ley de potencia) Grandes diferencias entre extremos Diferencias de fortuna o comercio exterior versus diferencias de estaturas Las redes IE son fractales

Slide 71

Redes independientes de escala Pajek – 50 – 100 – 5 – 10 – 0.4 – 0.4

Slide 72

Distribuciones

Slide 73

Escenarios independientes de escala Relaciones sexuales, agendas telefónicas Nexos sintácticos entre palabras en un texto o discurso Citas bibliográficas entre miembros de la comunidad académica, colaboraciones en reportes de investigación Clientelismo, influencia Alianzas tecnológicas Relaciones entre actores de cine Sinapsis neuronales Contactos entre personas de una organización Cadenas alimentarias Conexiones entre organismos vinculados al metabolismo o proteínas reguladoras Propagación de enfermedades y virus informáticos Alternativa al concepto de epidemiología de las representaciones (Dan Sperber)

Slide 74

Redes IE - Explicación A una red existente se agregan nuevos nodos Estos se ligan a los que están mejor vinculados Esta vinculación selectiva se llama el efecto de “el rico se vuelve más rico” o principio de San Mateo (Robert Merton) Aunque las elecciones individuales son impredecibles, como grupo todo el mundo sigue estrictamente unos pocos patrones En redes IE el umbral crítico para la propagación de un rumor, enfermedad, etc es cero Grados de separación Si la red representa relaciones de dependencia entre géneros musicales, el nexo entre un género y otro exhibe pocos grados de separación Inmunizar a los hubs es más efectivo que inmunizar a un porcentaje enorme de la población

Slide 75

Ley de potencia (power law) La LP está entre las leyes de escala más frecuentes que describen la invariancia de escala que se encuentra en muchos fenómenos Invariancia de escala: vinculado con autosimilitud – Es un rasgo de las transiciones de fase en las proximidades de un punto crítico Una relación de LP entre 2 magnitudes escalares x e y es una relación que se puede escribir y = axk Donde a (la constante de proporcionalidad) y k (el exponente de la LP) son constantes

Slide 76

Propiedades LdP La característica principal de una distribución de LP es el exponente El exponente describe de qué manera cambia la distribución como función de la variable subyacente P. ej. si el número de ciudades de cierto tamaño decrece en proporción inversa al tamaño el exponente es 1 – Si decrece inversamente al cuadrado del tamaño, el exponente es 2, etcétera

Slide 77

Ejemplos de relaciones de LdP La ley de Stefan-Boltzmann y otros principios físicos La energia irradiada por un cuerpo oscuro por unidad de tiempo es proporcional a la cuarta potencia de su temperatura termodinámica La corrección gamma que vincula intensidad de la luz con voltaje La ley de mortalidad de Gompertz (1825) que se usa para cálculo de seguros La ley de Kleiber que vincula el metabolismo de un animal con su tamaño Tasa metabólica es potencia ¾ de la masa del animal La conducta cerca de las transiciones de fase de segundo orden que involucran exponentes críticos [transiciones continuas, sin calor latente] La ley de Newton (inversamente proporcional al cuadrado de la distancia)

Slide 78

Desafío epistemológico # 5 Distribuciones no normales La estadística intuitiva presupone distribuciones normales En distribuciones 1/f no tiene sentido el muestreo Tampoco lo tiene la representación por proporcionalidad (Lomax)

Slide 79

Desafío epistemológico #6 Independencia de escala La parte es similar al todo (homotecia) Similitud con principio hologramático de Morin Crítica de la complejidad moriniana en www.antropocaos.com.ar La relación entre los nodos muy conectados y el resto de los nodos de la red no cambian en función del tamaño La conectividad de las redes IE no cae proporcionalmente a la caída o desaparición de nodos. Las redes IE se auto-reorganizan

Slide 80

Consecuencias empíricas Epidemiología Citas bibliográficas Enfermedades sexuales (1/f !!) [hubs] Vacunación Redes de narcotráfico, terrorismo, etc Redes de influencia, punteros políticos Implementación de políticas culturales

Slide 81

Distribución 1/f Ley de Pareto ¿Cuánto mide la costa de Inglaterra? Ley de Zipf Ley de Gutenberg-Richter Criticalidad auto-organizada Música Coast

Slide 82

Distribuciones

Slide 86

Solé & al – Universitat Pompeu Frabra Relaciones sintácticas (azul) y de precedencia

Slide 87

Red sintáctica (Igor Mel’cuk, Gramática de dependencia) Red IE de texto complejo (Moby Dick)

Slide 88

Transición de red en estrella a red IE – Adquisición del lenguaje

Slide 92

Desafío epistemológico # 7 Clases de universalidad La pauta que conecta (Bateson) No interesa materialidad de objeto Identidad de procesamiento de información, aprendizaje, inducción, evolución Nada hay de biológico en la selección natural Transdisciplinariedad Impropiedad del concepto de transdisciplinariedad de Morin No-transdisciplinariedad de autopoiesis (especificidad biótica) P. ej. caminos hacia el caos

Slide 93

Desafío epistemológico # 8 Carácter visual de la representación Red de colaboraciones científicas...

Slide 96

Herramientas

Slide 97

Agna

Slide 98

JGraphEd

Slide 99

Krackplot

Slide 100

Pajek

Slide 101

Network Workbench Mundo pequeño WS, 200, GUESS

Slide 102

Network Workbench Mundo pequeño WS, 200, Small World

Slide 103

ORA

Slide 104

Visone

Slide 105

Windisc TSP con 10 nodos

Slide 106

Problemáticas

Slide 107

Grafos, redes y ciudades [Ver presentaciones de sintaxis espacial: http://carlosreynoso.com.ar/sintaxis-espacial/ ]

Slide 108

Redefinición de grafos de parentesco ORE-Graphs a P-Graphs (Oystein Ore – D. White)

Slide 109

Necesidad de retomar el parentesco Redefinición de “parentesco” como “familia” Redefinición de las cuestiones de género Más allá de las relaciones genealógicas Genealogías como herramientas de reafirmación identitaria Haddon – Cambridge – Estrecho de Torres

Slide 110

La moda de las redes - Objeto de consultoría: Team Building Locating Expertise Workforce Diversity Organization Design Internetwork Design Diffusion of Innovations Post-Merger Integration Investigative Journalism Knowledge Management Leadership Development Mapping Terrorist Networks Industry Ecosystem Analysis Discovering Key Opinion Leaders Network Vulnerability Assessment Community Economic Development Discovering Communities of Practice Analyzing Protein Interaction Networks Mapping and Measuring Information Flow Contact Tracing in Contagious Disease Outbreaks

Slide 111

Valdis Krebs – Uncloacking terrorist networks, 2002 The Network Workbench – Ejemplo de red terrorista

Slide 112

Transdisciplina “Las matemáticas de los físicos abren nuevos caminos hacia regiones antes inexploradas. El crecimiento aleatorio, la teoría de la percolación, las transiciones de fase y la universalidad ... han definido un maravilloso conjunto de problemas abiertos en materia de redes. Pero sin los mapas de la sociología, la economía e incluso la biología para guiarlos, la física bien puede construir caminos que no lleven a ninguna parte” (Duncan Watts).

Slide 113

Síntesis Tratabilidad de problemas Definición de Problema - Abstracción No linealidad – Realidad contra-intuitiva Distribución no-normal, independencia de escala Clases de universalidad - Transdisciplinariedad Auto-organización – Dimensión visual Varios niveles de observación y modelado Grafos gráficos, matriz de incidencia, laplaciana Redefinición de saberes disciplinares

Slide 114

Referencias Barabási, Albert-László. 2002. Linked. Plume. Watts, Duncan. 2003. Six degrees: The science of a connected age. Vintage. Reynoso, Carlos. 2006. Complejidad y caos: Una exploración antropológica. Sb.

Slide 115

Referencias

Slide 116

Referencias

Slide 117

¿Preguntas? carlosreynoso@filo.uba.ar

Summary: Redese, grafos y complejidad desde la perspectiva de la antropologia urbana

Tags: redes sociales grafos antropologia

URL: