Métricas
 27 minutos - por Israel Aquino
|
| PORTAL DE ANÁLISE DE REDES SOCIAIS
Página inicial de Análise de redes sociais
Softwares de análise de redes (apresentação e comparação) Criando gráficos de redes sociais (Vídeo introdutório) Métricas (artigos sobre as principais métricas de ARS) Algoritmos de análise de redes sociais (introdução aos algoritmos de apresentação dos dados) Importação de dados de planilhas (como importar dados de planilhas) |
Uma contribuição fundamental da Análise de Redes Sociais é a produção de coeficientes ou estatísticas de análise, denominadas métricas, que permitem evidenciar as características dessas redes, colocando em evidência alguns tipos de relação que se estabelecem, ou destacando a atuação de um determinado agente no grupo a partir da posição que este assume. Essas métricas cumprem papel fundamental para a análise a ser realizada, tanto quanto o recurso gráfico proporcionado pelos softwares de análise de redes.
Existem dois tipos de métricas a ser consideradas: as métricas de rede e as métricas dos nós. As métricas de rede são aquelas que indicam atributos da rede como um todo, permitindo extrair características gerais da estrutura observada, tais como sua densidade, tamanho e componentes conectados. Já as métricas dos nós são aquelas relacionadas aos agentes da rede, que vão caracterizar os nós de modo individual. Elas calculam a posição de cada nó ou agente a partir de vários aspectos, tais como sua posição, suas relações e sua importância frente aos demais participantes.
Para ilustrar melhor esta distinção, apresentamos nas duas seções a seguir algumas das principais métricas utilizadas na Análise de Redes Sociais, indicando brevemente a definição de cada uma delas.
| Achou algum erro? Não entendeu o conteúdo? fale com a gente! |
MÉTRICAS DE REDE
Densidade Dentre as métricas gerais de uma rede, uma das mais simples e mais frequentemente utilizadas é a densidade da rede (Density), também representada pela letra grega Δ). A densidade de um grafo indica a intensidade das relações estabelecidas em uma rede, estando relacionada ao número de conexões presentes no grafo em relação ao número total de conexões possíveis. Assim, calcula-se a densidade de uma grafo através da proporção das relações existentes sobre o total de relações possíveis, podendo o resultado variar entre 0 e 1 (SCOTT, 2000; WASSERMAN & FAUST, 1994, p. 129). Assim, quanto mais próximo de 1 estiver o resultado, mais densa será a rede e, portanto, mais conectada. Inversamente, quanto mais dispersos forem os relacionamentos dentro da rede, menor será sua densidade. Um grafo completo (Densidade = 1) seria aquele em que todos os agentes se relacionam reciprocamente, sendo esta uma situação bastante rara.
Essa métrica é particularmente útil para refletir sobre a intensidade das relações existentes no interior de um determinado grupo. Assim, um grafo denso indica a representação de uma rede de relações intensas, com agentes bem conectados e com uma alta circulação de valores (tais como bens, favores ou informações). Uma rede densa pode representar, ainda, a reiteração de vínculos entre os agentes que a compõem, indicando uma aproximação que pode ser reforçada a partir de diferentes relacionamentos (matrimônio, parentesco, amizade, compadrio, vizinhança, sociedade, etc.). Por outro lado, uma rede mais dispersa pode indicar um conjunto de relações mais esparso ou ocasional, sugerindo uma circulação menor de informações e valores, ou uma ligação mais frágil entre seus pares.
Fechamento O grau de fechamento de uma rede (Clousure) também está associado à quantidade de relações existentes. Quanto mais fechada uma rede, ou um setor da rede, maiores são as chances de que os atores conectados compartilhem relações. Em outras palavras, entende-se uma rede como mais fechada quando grupos de nós em seu interior compartilham relações em comum, formando conjunto fechados (tríades, tétrades, etc.).
Coenficiente de Agrupamento Do inglês Clustering Coefficient, esta métrica mensura o quanto os nós de uma rede estão próximos e interconectados ou, em outras palavras, busca medir o quanto um conjunto de atores tende a se conectar no interior de uma rede de relacionamentos, formando o que chamamos de clusters.
Existem duas variações desta métrica, o coeficiente de agrupamento global e coeficiente de agrupamento local. O primeiro visa fornecer uma visão geral do agrupamento da rede, enquanto o segundo fornece uma indicação da inserção dos nós individualmente. Assim, o coeficiente de agrupamento global, também denominado transitividade da rede (HOLLAND e LEINHARDT, 1971) identifica o quanto a rede é interconectada, considerando o número de cliques existentes em sua estrutura. Quanto maior o número de cliques existentes em uma rede (e, portanto, maior o número de relações compartilhadas) maior será a transitividade dessa rede. Já o agrupamento local de um nó mede o quão próximo os nós adjacentes estão de formar um clique, ou seja, um subgrafo completo, ou fechado. Em outras palavras, pode dizer-se que o coeficiente de agrupamento local mede o grau da densidade de ligações da vizinhança de um determinado nó, indicando o quanto esse grupo está interconectado.
| Achou algum erro? Não entendeu o conteúdo? fale com a gente! |
Número de componentes Uma rede também pode ser analisada pelo número de componentes que a compõe. Um componente é um conjunto de nós dentro de uma rede no qual existe um caminho possível entre todos os nós, ou seja, onde não existem nós ou grupos de nós "soltos". Assim, uma rede pode ser formada por um ou vários componentes: cada conjunto de nós conectados em um grafo representa um componente da rede, que pode ser formado por um único nó, ou por centenas, e até milhares de nós, conforme o caso.
A existência de componentes separados no interior de uma rede pode indicar a formação de grupos de interesse diversos em uma determinada área, podendo estes atuar em oposição uns aos outros ou de forma complementar. O fato de diferentes grupos comporem uma mesma rede mas não compartilharem relações entre si deve ser analisado com cuidado pelo pesquisador, que buscará entender a motivação dessa separação. Ela se dá por fatores setoriais? Profissionais? Geográficos? Representa uma disputa por recursos? E qual o impacto dessa separação nas relações sociais analisadas? Essas são algumas das questões que a análise de uma rede composta por múltiplos componentes pode suscitar.
Distância Geodésica Em um grafo, a distância entre dois vértices é o número de arestas a serem percorridas para chegar de um vértice a outro. Considerando que podem existir vários caminhos entre dois pontos do grafo, dizemos que a distância geodésica entre esses nós é o menor caminho possível entre eles (WASSERMAN & FAUST, 1994, p. 110). Por outro lado, a distância de um nó permite identificar o quanto este está integrado ou distante dos demais atores da rede. Chamamos excentricidade do nó a maior distância geodésica existente entre ele e os outros nós do grafo. Se não for possível alcançar um nó a partir de outro, como ocorre quando um grafo possui dois ou mais componentes desconectados, dizemos que a distância entre os nós tende ao infinito.
Finalmente, quando consideramos todos os caminhos possíveis de se percorrer em um grafo, dizemos que a distância geodésica máxima do mesmo (também chamada Diâmetro do grafo) é o maior caminho que pode ser percorrido entre dois nós quaisquer em seu interior. Essa métrica nos permite ter uma ideia do tamanho da rede analisada, mas também nos fala da densidade dos relacionamentos em seu interior. Isso porque uma rede pode ter um diâmetro baixo, mesmo quando composta por um grande número de nós, desde que as relações entre estes sejam densas. Assim, um grafo com um diâmetro alto indica uma rede de relações ampla e dispersa, enquanto um grafo com um valor de diâmetro baixo pode indicar uma rede pequena, ou uma rede grande, mas densamente conectada (Idem).
MÉTRICAS INDIVIDUAIS
As métricas locais de um grafo, também chamadas métricas individuais ou métricas dos nós, são estatísticas produzidas para cada um dos vértices que compõe uma rede e informam sobre seu posicionamento, atuação e importância frente aos demais. Vejamos, brevemente, como funcionam algumas delas.
Centralidade O grau ou centralidade de um vértice (Degree) é uma métrica direta, que corresponde ao número de relações em que o ator está envolvido. Em um grafo não direcionado, essa métrica corresponde a uma relação direta com o número de relações estabelecidas por um nó; assim, se um nó X estabelece relações com outros 10 nós dentro da rede, dizemos que o Degree de X é igual a 10 (WASSERMAN & FAUST, 1994, p. 100).
Já em um grafo não direcionado, essa métrica assume duas formas, que chamamos centralidade ou grau de entrada (InDegree) e centralidade ou grau de saída (OutDegree), e que estão relacionadas ao papel cumprido pelo nó em cada uma de suas relações. Assim, o InDegree de um nó corresponde ao número de relações em que este é o polo ativo ou receptivo na relação, ou seja, o número de relações que são direcionadas para este nó (Idem, p. 125).
Coeficiente de Intermediação O chamado Coeficiente de Intermediação (Betweenness Centrality) é uma métrica que indica o potencial de intermediação de um nó entre diferentes setores da rede, ao considerar quantos "caminhos" da rede passam por ele. Indica, assim, quais atores conectam diferentes clusters dentro de uma rede.
Supondo que, para que um ator A entre em contato com um ator B, o ator X precise ser usado como intermediário, podemos dizer que esse ator X tem certa "responsabilidade" para com os atores A e B, considerando que essa relação poderia ser "quebrada" caso ele se retirasse da rede. Se considerarmos, assim, todos os percursos mais curtos que passam por X, onde ele atua como intermediário entre outros atores ou grupos diferentes, temos então o Coeficiente de Intermediação do nó X.
O grau de intermediação busca, dessa forma, identificar quais atores são capazes de manter coesa a estrutura da rede, ou seja, cujo papel conectivo é mais central. Dessa forma, esses atores são identificados na bibliografia como intermediários, conectores ou pontes (bridges ou brockers), cumprindo uma função importante e assumindo um posicionamento fundamental para a circulação de informações e valores.
Coeficiente de Proximidade O coeficiente ou grau de proximidade (Closeness Centrality) busca determinar o quão próximo dos demais agentes da rede está um nó, considerando o conjunto de suas relações. Assim, um nó terá um índice de proximidade mais elevado conforme puder se relacionar de forma mais próxima e rápida com os demais nós, ou seja, sem depender de intermediários (WASSERMAN & FAUST, 1994, p. 183).
| Achou algum erro? Não entendeu o conteúdo? fale com a gente! |
Centralidade Autovetorial Também citado como Eigenvector Centrality, busca identificar a relevância das relações formadas por um nó, considerando a centralidade dos nós com que este se relaciona. Assim, um nó assume maior relevância em uma rede se estiver conectado a outros nós importantes da mesma rede, ou seja, nós que possuam uma centralidade elevada. Esta métrica, contudo, não se confunde com a centralidade de entrada de um nó: um nó com elevado InDegree pode acumular um grande número de relações com nós periféricos, o que não contribuirá para elevar sua relevância dentro da rede (NEWMAN, 2016, p. 4-5). Desta forma, esta métrica é bastante utilizada para identificar os nós que possuem maior influência no interior de uma rede.
Coeficiente de Clusterização Indica o quão conectado está um determinado nó da rede. Um alto coeficiente de clusterização indica que um determinado nó está muito conectado a seus vizinhos, compartilhando, portanto, um conjunto de relações mais próximas e intensas. Assim como o grau de fechamento serve para se ter uma ideia do quão fortemente conectada uma rede está, este índice local indica a inserção dos nós individuais no interior da mesma e o quão conectado a seus vizinhos ele está.
Referências
| Citação deste verbete |
| Como citar: AQUINO, Israel. "Métricas". In: CLIOMATICA - Portal de História Digital e Pesquisa. Disponível em: http://lhs.unb.br/cliomatica/index.php/M%C3%A9tricas. Data de acesso: 8 de junho de 2024. |
| Informar erro nesta página |
