El seminario organizado el 8 de junio por la Cátedra de Ciencia de datos y aprendizaje UAM-IIC contó con João Gama, Associate Professor en Universidade do Porto, para hablar de los diferentes modelos desarrollados para analizar la evolución de las comunidades en redes sociales. Bajo el título «Evolving Social Networks: trajectories of communities», estaba dirigido a investigadores, tecnólogos y gestores interesados en los avances realizados en el campo de las Redes Sociales o Social Networks.
Gama comenzó su exposición analizando el impresionante avance tecnológico acaecido en los últimos años en el campo de las redes sociales. Este tipo de redes reciben cada vez más atención por la proliferación de medios sociales y soportes digitales que ha traído consigo la transformación digital de la sociedad y los mercados, y por la cantidad de datos que generan.
Big Data y la evolución de los datos masivos
Para analizar la cantidad de datos masivos o Data Stream que la evolución de estas redes y sus distintas comunidades genera es necesario utilizar técnicas Big Data. Analizar las causas y consecuencias de su aparición, evolución, transformación y, en último término, desaparición es todo un reto matemático que solo puede resolverse usando métodos basados en probabilidades condicionales y clustering jerárquico (algoritmos basados en conglomerados jerarquizados) destinados al análisis y comprensión de la evolución de los datos.
Para entender el comportamiento a lo largo del tiempo de un fenómeno cualquiera, ya sea la comunidad de clientes de una telco o los seguidores en Twitter de un fenómeno fan, se hace cada vez más necesario realizar un análisis descriptivo de su estado y trayectoria. Para lograrlo, afortunadamente, desde que en 1970 el sociólogo Wayne W. Zachary estudiara la evolución de las comunidades que surgieron en un club de kárate universitario estadounidense, han ido apareciendo nuevos métodos e infraestructuras centrados en la evolución temporal de los datos y de los modelos.
Clustering Evolving Social Data
Lo interesante en esta ocasión ha sido ver cómo se creó una metodología de trabajo efectiva a raíz de la combinación de diferentes técnicas matemáticas. La caracterización y clustering de los nodos de una comunidad es un problema cuando no tienes suficiente información sobre ellos o cuando los datos sociales no son estáticos (Static Social Data), sino dinámicos, cambiantes (Evolving Social Data), o incluso diferentes en cada ocasión.
A partir de un análisis descriptivo óptimo, el modelo presentado permite rastrear y mapear las agrupaciones, estudiar la popularidad, cercanía, cohesión y centralidad de los nodos, etc. para dar después solución a problemas mucho más complejos que no se podrían resolver sin una buena base de partida.
Durante el seminario se debatieron las oportunidades que se están abriendo en este campo para la investigación en métodos de análisis de datos evolutivos para entender la evolución o trayectoria de los clusters y comunidades que surgen como redes sociales. Se plantearon, además, cuestiones interesantes sobre las razones para el nacimiento, crecimiento, disgregación o muerte de una comunidad.
Se compartieron también opiniones sobre las unidades de medida temporales más adecuadas para medir la evolución de las comunidades. Y se presentaron de forma sencilla los elementos básicos para poder seguir con la investigación en este campo, de modo que partiendo de esta metodología puedan realizarse estudios predictivos a futuro sobre el ciclo de vida o evolución de las comunidades en redes sociales.
Si quieres más información puedes contactar con nuestros expertos en Big Data y en monitorización de redes sociales y descargar la presentación «Evolving Social Networks: trajectories of communities» (PDF).