https://lhs.unb.br/cliomatica/api.php?action=feedcontributions&feedformat=atom&user=Israell.aquino&* 2026-05-04T15:12:07Z Contribuições do(a) usuário(a) MediaWiki 1.30.1 https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=899 2020-03-10T22:29:01Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> 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. <br /> <br /> 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.<br /> <br /> 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.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> <br /> '''Coenficiente de Agrupamento'''<br /> 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]].<br /> <br /> 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.<br /> <br /> '''Número de componentes'''<br /> 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 &quot;soltos&quot;. 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.<br /> <br /> 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.<br /> <br /> '''Distância Geodésica'''<br /> 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 &amp; 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.<br /> <br /> 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).<br /> <br /> <br /> '''MÉTRICAS INDIVIDUAIS'''<br /> <br /> 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.<br /> <br /> '''Centralidade'''<br /> 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 &amp; FAUST, 1994, p. 100).<br /> <br /> 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).<br /> <br /> '''Coeficiente de Intermediação'''<br /> 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 &quot;caminhos&quot; da rede passam por ele. Indica, assim, quais atores conectam diferentes [[clusters]] dentro de uma rede.<br /> <br /> 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 &quot;responsabilidade&quot; para com os atores A e B, considerando que essa relação poderia ser &quot;quebrada&quot; 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.<br /> <br /> 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.<br /> <br /> '''Coeficiente de Proximidade'''<br /> 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 &amp; FAUST, 1994, p. 183).<br /> <br /> '''Centralidade Autovetorial'''<br /> 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.<br /> <br /> '''Coeficiente de Clusterização'''<br /> 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.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=895 2020-03-10T22:22:49Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> 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. <br /> <br /> 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.<br /> <br /> 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.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> <br /> '''Coenficiente de Agrupamento'''<br /> 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]].<br /> <br /> 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.<br /> <br /> '''Número de componentes'''<br /> 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 &quot;soltos&quot;. 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.<br /> <br /> 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.<br /> <br /> '''Distância Geodésica'''<br /> 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 &amp; 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.<br /> <br /> 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).<br /> <br /> <br /> '''MÉTRICAS INDIVIDUAIS'''<br /> <br /> 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.<br /> <br /> '''Centralidade'''<br /> O grau 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 &amp; FAUST, 1994, p. 100).<br /> <br /> 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).<br /> <br /> '''Coeficiente de Intermediação'''<br /> 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, indicando, assim, quais atores conectam diferentes [[clusters]] na 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 &quot;quebrada&quot; 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 desse nó.<br /> <br /> O grau de intermediação busca, dessa forma, identificar quais atores são capazes de manter 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 na rede.<br /> <br /> '''Coeficiente de Proximidade'''<br /> 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 &amp; FAUST, 1994, p. 183).<br /> <br /> '''Centralidade Autovetorial'''<br /> Também citado como ''Eigenvector Centrality'', busca identificar a relevância das relações formadas pelo 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 nesta rede, ou seja, nós que possuam uma centralidade elevada. Esta métrica igualmente 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.<br /> <br /> '''Coeficiente de Clusterização'''<br /> 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, discutido anteriormente, 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.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=890 2020-03-10T21:52:09Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> 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. <br /> <br /> 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.<br /> <br /> 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.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> <br /> '''Coenficiente de Agrupamento'''<br /> 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]].<br /> <br /> 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.<br /> <br /> '''Número de componentes'''<br /> 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 &quot;soltos&quot;. 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.<br /> <br /> 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.<br /> <br /> '''Distância Geodésica'''<br /> 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 &amp; 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.<br /> <br /> 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).<br /> <br /> <br /> '''MÉTRICAS INDIVIDUAIS'''<br /> <br /> 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. Dentre estas, tem importância central as métricas de centralidade, que servem para caracterizar os nós individualmente quanto ao posicionamento ocupado no interior do grafo. Além das métricas de centralidade, outra métrica importante para a análise de redes é o Coeficiente de Clusterização. Vejamos, brevemente, como funciona cada uma delas.<br /> <br /> '''Centralidade'''<br /> O grau 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 &amp; FAUST, 1994, p. 100).<br /> <br /> 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).<br /> <br /> '''Coeficiente de Intermediação'''<br /> 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, indicando, assim, quais atores conectam diferentes [[clusters]] na 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 &quot;quebrada&quot; 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 desse nó.<br /> <br /> O grau de intermediação busca, dessa forma, identificar quais atores são capazes de manter 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 na rede.<br /> <br /> '''Coeficiente de Proximidade'''<br /> 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 &amp; FAUST, 1994, p. 183).<br /> <br /> '''Centralidade Autovetorial'''<br /> Também citado como ''Eigenvector Centrality'', busca identificar a relevância das relações formadas pelo 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 nesta rede, ou seja, nós que possuam uma centralidade elevada. Esta métrica igualmente 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.<br /> <br /> '''Coeficiente de Clusterização'''<br /> 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, discutido anteriormente, 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.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=889 2020-03-10T21:43:03Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> 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. <br /> <br /> 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.<br /> <br /> 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.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> <br /> '''Coenficiente de Agrupamento'''<br /> 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]].<br /> <br /> 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.<br /> <br /> '''Número de componentes'''<br /> 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 &quot;soltos&quot;. 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.<br /> <br /> 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.<br /> <br /> '''Distância Geodésica'''<br /> 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 &amp; 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.<br /> <br /> 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).<br /> <br /> <br /> '''MÉTRICAS INDIVIDUAIS'''<br /> <br /> 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. Dentre estas, tem importância central as métricas de centralidade, que servem para caracterizar os nós individualmente quanto ao posicionamento ocupado no interior do grafo. São elas a centralidade de grau, a centralidade de intermediação, a proximidade e o coeficiente autovetorial. Além das métricas de centralidade, outra métrica importante para a análise de redes é o Coeficiente de Clusterização. Vejamos, brevemente, como funciona cada uma delas.<br /> <br /> '''Centralidade'''<br /> O grau 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 &amp;amp; FAUST, 1994, p. 100).<br /> 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).<br /> <br /> '''Coeficiente de Intermediação'''<br /> 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, indicando, assim, quais atores conectam diferentes clusters na 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 desse nó.<br /> O grau de intermediação busca, dessa forma, identificar quais atores são capazes de manter 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 na rede.<br /> <br /> '''Coeficiente de Proximidade'''<br /> 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 &amp;amp; FAUST, 1994, p. 183).<br /> <br /> '''Centralidade Vetorial'''<br /> Busca identificar a relevância das relações formadas pelo 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 nesta rede, ou seja, nós que possuam uma centralidade elevada. Esta métrica igualmente 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.<br /> <br /> '''Coeficiente de Clusteriza~]ao'''<br /> 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, discutido anteriormente, 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.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=888 2020-03-10T21:34:11Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> 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. <br /> <br /> 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.<br /> <br /> 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.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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, 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> <br /> A partir disso, surgem outros conceitos úteis para analisar a qualidade e proximidade das relações no interior de uma rede: os [[cliques]], os [[clusters]] e os [[buracos estruturais]].<br /> <br /> '''Coenficiente de Agrupamento'''<br /> 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.<br /> <br /> 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.<br /> <br /> '''Número de componentes'''<br /> Outra questão a ser avaliada ao analisar uma rede é sua distribuição estrutural. Nesse sentido, 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 &quot;soltos&quot;. 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 no limite pode ser formado por um único nó, se este não estiver relacionado a nenhum outro nó dentro da rede.<br /> <br /> 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.<br /> <br /> '''Distância Geodésica'''<br /> 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 &amp; 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.<br /> 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).<br /> <br /> <br /> '''MÉTRICAS INDIVIDUAIS'''<br /> <br /> 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. Dentre estas, tem importância central as métricas de centralidade, que servem para caracterizar os nós individualmente quanto ao posicionamento ocupado no interior do grafo. São elas a centralidade de grau, a centralidade de intermediação, a proximidade e o coeficiente autovetorial. Além das métricas de centralidade, outra métrica importante para a análise de redes é o Coeficiente de Clusterização. Vejamos, brevemente, como funciona cada uma delas.<br /> <br /> '''Centralidade'''<br /> O grau 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 &amp;amp; FAUST, 1994, p. 100).<br /> 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).<br /> <br /> '''Coeficiente de Intermediação'''<br /> 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, indicando, assim, quais atores conectam diferentes clusters na 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 desse nó.<br /> O grau de intermediação busca, dessa forma, identificar quais atores são capazes de manter 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 na rede.<br /> <br /> '''Coeficiente de Proximidade'''<br /> 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 &amp;amp; FAUST, 1994, p. 183).<br /> <br /> '''Centralidade Vetorial'''<br /> Busca identificar a relevância das relações formadas pelo 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 nesta rede, ou seja, nós que possuam uma centralidade elevada. Esta métrica igualmente 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.<br /> <br /> '''Coeficiente de Clusteriza~]ao'''<br /> 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, discutido anteriormente, 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.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=887 2020-03-10T21:25:43Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> Para além da elaboração das matrizes e a geração dos respectivos grafos, outra 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. <br /> <br /> 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.<br /> <br /> 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 e método utilizado no cálculo de cada uma delas.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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, 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> <br /> A partir disso, surgem outros conceitos úteis para analisar a qualidade e proximidade das relações no interior de uma rede: os [[cliques]], os [[clusters]] e os [[buracos estruturais]].<br /> <br /> '''Coenficiente de Agrupamento'''<br /> 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.<br /> <br /> 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.<br /> <br /> '''Número de componentes'''<br /> Outra questão a ser avaliada ao analisar uma rede é sua distribuição estrutural. Nesse sentido, 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 &quot;soltos&quot;. 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 no limite pode ser formado por um único nó, se este não estiver relacionado a nenhum outro nó dentro da rede.<br /> <br /> 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.<br /> <br /> '''Distância Geodésica'''<br /> 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 &amp; 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.<br /> 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).<br /> <br /> <br /> '''MÉTRICAS INDIVIDUAIS'''<br /> <br /> 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. Dentre estas, tem importância central as métricas de centralidade, que servem para caracterizar os nós individualmente quanto ao posicionamento ocupado no interior do grafo. São elas a centralidade de grau, a centralidade de intermediação, a proximidade e o coeficiente autovetorial. Além das métricas de centralidade, outra métrica importante para a análise de redes é o Coeficiente de Clusterização. Vejamos, brevemente, como funciona cada uma delas.<br /> <br /> '''Centralidade'''<br /> O grau 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 &amp;amp; FAUST, 1994, p. 100).<br /> 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).<br /> <br /> '''Coeficiente de Intermediação'''<br /> 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, indicando, assim, quais atores conectam diferentes clusters na 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 desse nó.<br /> O grau de intermediação busca, dessa forma, identificar quais atores são capazes de manter 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 na rede.<br /> <br /> '''Coeficiente de Proximidade'''<br /> 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 &amp;amp; FAUST, 1994, p. 183).<br /> <br /> '''Centralidade Vetorial'''<br /> Busca identificar a relevância das relações formadas pelo 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 nesta rede, ou seja, nós que possuam uma centralidade elevada. Esta métrica igualmente 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.<br /> <br /> '''Coeficiente de Clusteriza~]ao'''<br /> 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, discutido anteriormente, 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.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=886 2020-03-10T21:16:25Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> Para além da elaboração das matrizes e a geração dos respectivos grafos, outra 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. <br /> <br /> 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.<br /> <br /> 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 e método utilizado no cálculo de cada uma delas.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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, 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> <br /> A partir disso, surgem outros conceitos úteis para analisar a qualidade e proximidade das relações no interior de uma rede: os [[cliques]], os [[clusters]] e os [[buracos estruturais]].<br /> <br /> '''Coenficiente de Agrupamento'''<br /> 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.<br /> <br /> 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.<br /> <br /> '''Número de componentes'''<br /> Outra questão a ser avaliada ao analisar uma rede é sua distribuição estrutural. Nesse sentido, 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 &quot;soltos&quot;. 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 no limite pode ser formado por um único nó, se este não estiver relacionado a nenhum outro nó dentro da rede.<br /> <br /> 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.<br /> <br /> '''Distância Geodésica'''<br /> 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 &amp; 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.<br /> 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).<br /> <br /> <br /> '''MÉTRICAS INDIVIDUAIS'''<br /> <br /> 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. Dentre estas, tem importância central as métricas de centralidade, que servem para caracterizar os nós individualmente quanto ao posicionamento ocupado no interior do grafo. São elas a centralidade de grau, a centralidade de intermediação, a proximidade e o coeficiente autovetorial. Além das métricas de centralidade, outra métrica importante para a análise de redes é o Coeficiente de Clusterização. Vejamos, brevemente, como funciona cada uma delas.<br /> <br /> '''Centralidade'''<br /> O grau 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 &amp;amp; FAUST, 1994, p. 100).<br /> 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).<br /> <br /> '''Coeficiente de Intermediação'''<br /> 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, indicando, assim, quais atores conectam diferentes clusters na 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 desse nó.<br /> O grau de intermediação busca, dessa forma, identificar quais atores são capazes de manter 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 na rede.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=869 2020-03-04T16:11:59Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> Para além da elaboração das matrizes e a geração dos respectivos grafos, outra 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. <br /> <br /> 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.<br /> <br /> 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 e método utilizado no cálculo de cada uma delas.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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, 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> <br /> A partir disso, surgem outros conceitos úteis para analisar a qualidade e proximidade das relações no interior de uma rede: os [[cliques]], os [[clusters]] e os [[buracos estruturais]].<br /> <br /> '''Coenficiente de Agrupamento'''<br /> 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.<br /> <br /> 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.<br /> <br /> '''Número de componentes'''<br /> Outra questão a ser avaliada ao analisar uma rede é sua distribuição estrutural. Nesse sentido, 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 &quot;soltos&quot;. 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 no limite pode ser formado por um único nó, se este não estiver relacionado a nenhum outro nó dentro da rede.<br /> <br /> 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.<br /> <br /> '''Distância Geodésica'''<br /> 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 &amp; 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.<br /> 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).<br /> <br /> <br /> '''MÉTRICAS INDIVIDUAIS'''<br /> <br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=868 2020-03-04T14:34:48Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> Para além da elaboração das matrizes e a geração dos respectivos grafos, outra 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. <br /> <br /> 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.<br /> <br /> 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 e método utilizado no cálculo de cada uma delas.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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, 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> <br /> A partir disso, surgem outros conceitos úteis para analisar a qualidade e proximidade das relações no interior de uma rede: os [[cliques]], os [[clusters]] e os [[buracos estruturais]].<br /> <br /> <br /> <br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=867 2020-03-04T11:53:02Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> Para além da elaboração das matrizes e a geração dos respectivos grafos, outra 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. <br /> <br /> 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.<br /> <br /> 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 e método utilizado no cálculo de cada uma delas.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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, 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.<br /> <br /> '''Fechamento'''<br /> 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.).<br /> A partir disso, surgem outros conceitos úteis para analisar a qualidade e proximidade das relações no interior de uma rede: os [[cliques]], os [[clusters]] e os [[buracos estruturais]].<br /> <br /> <br /> <br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=866 2020-03-04T10:56:45Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> Para além da elaboração das matrizes e a geração dos respectivos grafos, outra 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. <br /> <br /> 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.<br /> <br /> 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 e método utilizado no cálculo de cada uma delas.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> 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 &amp; 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.<br /> <br /> 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, 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.<br /> <br /> '''Fechamento'''<br /> <br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=M%C3%A9tricas&diff=865 2020-03-04T10:52:16Z

<p>Israell.aquino: Criou página com '{{Verbete|nome=Israel|sobrenome=Aquino|verbete= Para além da elaboração das matrizes e a geração dos respectivos grafos, outra contribuição fundamental da Análise de R...'</p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> Para além da elaboração das matrizes e a geração dos respectivos grafos, outra 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. <br /> <br /> 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.<br /> <br /> 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 e método utilizado no cálculo de cada uma delas.<br /> <br /> '''MÉTRICAS DE REDE'''<br /> <br /> '''Densidade'''<br /> <br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=An%C3%A1lise_de_redes_sociais&diff=864 2020-03-04T10:36:47Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> <br /> <br /> {{ars}}<br /> <br /> A ideia de rede social fomenta uma multiplicidade de abordagens nas diferentes áreas do conhecimento. De forma ampla, podemos tomar uma rede social como um “conjunto finito de atores e a(s) relação(ões) que se estabelecem entre eles” &lt;ref&gt;[[(Wasserman &amp; Faust, 1994)]]&lt;/ref&gt;. Desta forma, a Análise de Redes Sociais (da sigla em inglês SNA - Social Network Analysis) consiste em uma análise metódica de redes sociais representadas graficamente, tomadas enquanto representações das estruturas de relacionamento que pessoas ou organizações estabelecem entre si. Para tanto, a SNA parte de um conjunto de conceitos e [[métricas]] oriundos de diferentes áreas do conhecimento, especialmente da [[Sociologia Estrutural]] de Jacob Moreno e da [[Teoria dos Grafos]], um ramo da Matemática.<br /> <br /> A noção de rede remete a uma estrutura construída com base nas relações existentes entre indivíduos ou instituições &lt;ref&gt;[[(Bertrand, 2012, p. 61)]]&lt;/ref&gt;. Desta forma, as interações no interior da rede proporcionam aos atores posições no grupo social que podem ser mais ou menos vantajosas e lhes dar acesso a diferentes valores. A análise de redes sociais, desse modo, trabalha com a representação gráfica desses grupos, que são analisados a partir das medidas de suas propriedades estruturais.<br /> <br /> A primeira etapa da análise de redes é a criação do que chamamos [[matriz de adjacência]], em que linhas e colunas representam os atores sociais envolvidos em determinada relação e contexto históricos. Nessas matrizes, são estipuladas as relações entre os atores do grupo analisado. A elaboração das matrizes e seus [[grafo]]s correspondentes é parte fundamental deste método. <br /> <br /> Para além da elaboração das matrizes e a geração dos respectivos grafos, outra contribuição fundamental deste método é a produção dos coeficientes ou estatísticas de análise, denominadas métricas, que permitem evidenciar algumas das 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 por este assumida. Essas métricas cumprem papel fundamental para a análise, tanto quanto o recurso gráfico proporcionado pelos [[softwares de análise de redes]].<br /> <br /> Embora sua apropriação por estudos na área de História tenha começado na década de 1990, foi somente na última década que esse uso passou a ser discutido de forma mais sistemática, especialmente a partir do desenvolvimento do campo de estudos denominado [[Historical Network Research]]. A partir deste momento, é possível identificar uma apropriação mais frequente da metodologia de análises de redes no trabalho de historiadores, inclusive em recentes trabalhos publicados no Brasil. Entre os principais autores a trabalhar com esta temática, podemos citar exemplos como Claire Lemercier, José Maria Imicoz, Maurizio Gribaudi, Michel Bertrand e Zacarias Moutoukias. <br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=An%C3%A1lise_de_redes_sociais_-_P%C3%A1gina_inicial&diff=863 2020-03-04T10:18:52Z

<p>Israell.aquino: </p> <hr /> <div>{{banner}}<br /> <br /> <br /> {{ars}}<br /> <br /> A análise de redes sociais (ou ''social network analysis'') se constitui em um conjunto de técnicas, métodos e procedimentos de pesquisa que se baseiam na ideia de medir ou formalizar as relações entre entes, pessoas, instituições ou grupos.</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Israel_Aquino&diff=192 2019-09-24T20:18:22Z

<p>Israell.aquino: </p> <hr /> <div>{{Autor<br /> |nome=Israel Aquino<br /> |desc=Mestre em História pelo PPGH UFRGS. Membro do Grupo de Pesquisa/Cnpq SARAS - Sociedades de Antigo Regime no Atlântico Sul.<br /> |pubs=<br /> <br /> *AQUINO, Israel. Redes de compadrio, hierarquia e interdependência social (Viamão - 1747-1773). Porto Alegre, Editora Fi, 2019.<br /> *[https://www.e-publicacoes.uerj.br/index.php/maracanan/article/view/33118/25790 AQUINO, Israel; KUHN, Fábio; Redes, hierarquia e interdependência social nas relações de compadrio do século XVIII (Viamão, 1747-1769). Revista Maracanan, Rio de Janeiro, n. 19, p. 56-78, jul./dez. 2018.]<br /> *[http://oikoseditora.com.br/files/Varia%C3%A7%C3%B5es%20da%20micro-hist%C3%B3ria%20no%20Brasil%20-%20E-book.pdf AQUINO, Israel. Tecendo um mundo desigual: análise de redes de compadrio na freguesia de Viamão (1759-1769). In: KARSBURG, Alexandre; VENDRAME, Maíra Inês. Variações da Micro-História no Brasil: temas, abordagens e desafios. São Leopoldo: Oikos, p. 27-50, 2019.]<br /> *[https://www.seer.ufrgs.br/revistaihgrgs/article/view/89872/53491 AQUINO, Israel. Parentesco ritual e a formação de redes no continente do Rio Grande (Viamão, 1747-1773. RIHGRGS, Porto Alegre, n. 156, p. 11-35, julho de 2019.]<br /> *[http://ojs.ufgd.edu.br/index.php/historiaemreflexao/article/view/7882/4584 AQUINO, Israel. Índias, pretas e donas na mesma trama: interdependência e hierarquia social no Brasil colonial (Viamão, 1747-1759). REHR, Dourados-MS, v. 12, n. 23, p. 161- 186, jan. / jun. 2018.]<br /> *[https://revistas.ufpr.br/vernaculo/article/view/45472/29161 AQUINO, Israel. Experiências compartilhadas entre a História, o Ensino e as Novas Tecnologias Digitais. Revista Vernáculo, Curitiba, n. 38, p. 106-126, 2016.]<br /> *[https://seer.ufrgs.br/aedos/article/view/30925/20905 AQUINO, Israel. Pesquisa e ensino de História na Internet: limites e possibilidades. Revista Aedos, Porto Alegre, v. 4,n. 11, p. 796-809, 2012.]<br /> <br /> |verbetes=<br /> [[Análise de redes sociais‎‎]]<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Israel_Aquino&diff=191 2019-09-24T20:17:50Z

<p>Israell.aquino: </p> <hr /> <div>{{Autor<br /> |nome=Israel Aquino<br /> |desc=Mestre em História pelo PPGH UFRGS. Membro do Grupo de Pesquisa/Cnpq SARAS - Sociedades de Antigo Regime no Atlântico Sul.<br /> |pubs=<br /> <br /> *[AQUINO, Israel. Redes de compadrio, hierarquia e interdependência social (Viamão - 1747-1773). Porto Alegre, Editora Fi, 2019.]<br /> *[https://www.e-publicacoes.uerj.br/index.php/maracanan/article/view/33118/25790 AQUINO, Israel; KUHN, Fábio; Redes, hierarquia e interdependência social nas relações de compadrio do século XVIII (Viamão, 1747-1769). Revista Maracanan, Rio de Janeiro, n. 19, p. 56-78, jul./dez. 2018.]<br /> *[http://oikoseditora.com.br/files/Varia%C3%A7%C3%B5es%20da%20micro-hist%C3%B3ria%20no%20Brasil%20-%20E-book.pdf AQUINO, Israel. Tecendo um mundo desigual: análise de redes de compadrio na freguesia de Viamão (1759-1769). In: KARSBURG, Alexandre; VENDRAME, Maíra Inês. Variações da Micro-História no Brasil: temas, abordagens e desafios. São Leopoldo: Oikos, p. 27-50, 2019.]<br /> *[https://www.seer.ufrgs.br/revistaihgrgs/article/view/89872/53491 AQUINO, Israel. Parentesco ritual e a formação de redes no continente do Rio Grande (Viamão, 1747-1773. RIHGRGS, Porto Alegre, n. 156, p. 11-35, julho de 2019.]<br /> *[http://ojs.ufgd.edu.br/index.php/historiaemreflexao/article/view/7882/4584 AQUINO, Israel. Índias, pretas e donas na mesma trama: interdependência e hierarquia social no Brasil colonial (Viamão, 1747-1759). REHR, Dourados-MS, v. 12, n. 23, p. 161- 186, jan. / jun. 2018.]<br /> *[https://revistas.ufpr.br/vernaculo/article/view/45472/29161 AQUINO, Israel. Experiências compartilhadas entre a História, o Ensino e as Novas Tecnologias Digitais. Revista Vernáculo, Curitiba, n. 38, p. 106-126, 2016.]<br /> *[https://seer.ufrgs.br/aedos/article/view/30925/20905 AQUINO, Israel. Pesquisa e ensino de História na Internet: limites e possibilidades. Revista Aedos, Porto Alegre, v. 4,n. 11, p. 796-809, 2012.]<br /> <br /> |verbetes=<br /> [[Análise de redes sociais‎‎]]<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Israel_Aquino&diff=190 2019-09-24T20:16:01Z

<p>Israell.aquino: </p> <hr /> <div>{{Autor<br /> |nome=Israel Aquino<br /> |desc=Mestre em História pelo PPGH UFRGS. Membro do Grupo de Pesquisa/Cnpq SARAS - Sociedades de Antigo Regime no Atlântico Sul.<br /> |pubs=<br /> <br /> *[https://www.e-publicacoes.uerj.br/index.php/maracanan/article/view/33118/25790 AQUINO, Israel; KUHN, Fábio; Redes, hierarquia e interdependência social nas relações de compadrio do século XVIII (Viamão, 1747-1769). Revista Maracanan, Rio de Janeiro, n. 19, p. 56-78, jul./dez. 2018.]<br /> *[http://oikoseditora.com.br/files/Varia%C3%A7%C3%B5es%20da%20micro-hist%C3%B3ria%20no%20Brasil%20-%20E-book.pdf AQUINO, Israel. Tecendo um mundo desigual: análise de redes de compadrio na freguesia de Viamão (1759-1769). In: KARSBURG, Alexandre; VENDRAME, Maíra Inês. Variações da Micro-História no Brasil: temas, abordagens e desafios. São Leopoldo: Oikos, p. 27-50, 2019.]<br /> *[https://www.seer.ufrgs.br/revistaihgrgs/article/view/89872/53491 AQUINO, Israel. Parentesco ritual e a formação de redes no continente do Rio Grande (Viamão, 1747-1773. RIHGRGS, Porto Alegre, n. 156, p. 11-35, julho de 2019.]<br /> *[http://ojs.ufgd.edu.br/index.php/historiaemreflexao/article/view/7882/4584 AQUINO, Israel. Índias, pretas e donas na mesma trama: interdependência e hierarquia social no Brasil colonial (Viamão, 1747-1759). REHR, Dourados-MS, v. 12, n. 23, p. 161- 186, jan. / jun. 2018.]<br /> *[https://revistas.ufpr.br/vernaculo/article/view/45472/29161 AQUINO, Israel. Experiências compartilhadas entre a História, o Ensino e as Novas Tecnologias Digitais. Revista Vernáculo, Curitiba, n. 38, p. 106-126, 2016.]<br /> *[https://seer.ufrgs.br/aedos/article/view/30925/20905 AQUINO, Israel. Pesquisa e ensino de História na Internet: limites e possibilidades. Revista Aedos, Porto Alegre, v. 4,n. 11, p. 796-809, 2012.]<br /> <br /> |verbetes=<br /> [[Análise de redes sociais‎‎]]<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Israel_Aquino&diff=189 2019-09-24T20:11:10Z

<p>Israell.aquino: </p> <hr /> <div>{{Autor<br /> |nome=Israel Aquino<br /> |desc=Mestre em História pelo PPGH UFRGS. Membro do Grupo de Pesquisa/Cnpq SARAS - Sociedades de Antigo Regime no Atlântico Sul.<br /> |pubs=<br /> <br /> *[https://www.e-publicacoes.uerj.br/index.php/maracanan/article/view/33118/25790 AQUINO, Israel; KUHN, Fábio; Redes, hierarquia e interdependência social nas relações de compadrio do século XVIII (Viamão, 1747-1769). Revista Maracanan, Rio de Janeiro, n. 19, p. 56-78, jul./dez. 2018.]<br /> *[http://oikoseditora.com.br/files/Varia%C3%A7%C3%B5es%20da%20micro-hist%C3%B3ria%20no%20Brasil%20-%20E-book.pdf AQUINO, Israel. Tecendo um mundo desigual: análise de redes de compadrio na freguesia de Viamão (1759-1769). In: KARSBURG, Alexandre; VENDRAME, Maíra Inês. Variações da Micro-História no Brasil: temas, abordagens e desafios. São Leopoldo: Oikos, p. 27-50, 2019.]<br /> *[https://www.seer.ufrgs.br/revistaihgrgs/article/view/89872/53491 AQUINO, Israel. Parentesco ritual e a formação de redes no continente do Rio Grande (Viamão, 1747-1773. RIHGRGS, Porto Alegre, n. 156, p. 11-35, julho de 2019.]<br /> *[http://ojs.ufgd.edu.br/index.php/historiaemreflexao/article/view/7882/4584 AQUINO, Israel. Índias, pretas e donas na mesma trama: interdependência e hierarquia social no Brasil colonial (Viamão, 1747-1759). REHR, Dourados-MS, v. 12, n. 23, p. 161- 186, jan. / jun. 2018.]<br /> <br /> |verbetes=<br /> [[Análise de redes sociais‎‎]]<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Israel_Aquino&diff=188 2019-09-24T20:02:46Z

<p>Israell.aquino: </p> <hr /> <div>{{Autor<br /> |nome=Israel Aquino<br /> |desc=Mestre em História pelo PPGH UFRGS. Membro do Grupo de Pesquisa/Cnpq SARAS - Sociedades de Antigo Regime no Atlântico Sul.<br /> |pubs=<br /> <br /> *[https://www.e-publicacoes.uerj.br/index.php/maracanan/article/view/33118 AQUINO, Israel; KUHN, Fábio; Redes, hierarquia e interdependência social nas relações de compadrio do século XVIII (Viamão, 1747-1769). Revista Maracanan, Rio de Janeiro, n. 19, p. 56-78, jul./dez. 2018]<br /> <br /> |verbetes=<br /> [[Análise de redes sociais‎‎]]<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Israel_Aquino&diff=187 2019-09-24T20:01:26Z

<p>Israell.aquino: </p> <hr /> <div>{{Autor<br /> |nome=Israel Aquino<br /> |desc=Mestre em História pelo PPGH UFRGS. Membro do Grupo de Pesquisa/Cnpq SARAS - Sociedades de Antigo Regime no Atlântico Sul.<br /> |pubs=<br /> <br /> *[https://www.e-publicacoes.uerj.br/index.php/maracanan/article/view/33118 AQUINO, Israel; KUHN, Fábio; Revista Maracanan, Rio de Janeiro, n. 19, p. 56-78, jul./dez. 2018]<br /> <br /> |verbetes=<br /> [[Análise de redes sociais‎‎]]<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Israel_Aquino&diff=186 2019-09-24T19:54:26Z

<p>Israell.aquino: </p> <hr /> <div>{{Autor<br /> |nome=Israel Aquino<br /> |desc=Mestre em História pelo PPGH UFRGS. Membro do Grupo de Pesquisa/Cnpq SARAS - Sociedades de Antigo Regime no Atlântico Sul.<br /> |pubs=<br /> insira aqui sua produção, que pode ser de artigos, textos de trabalho, etc...<br /> - pode colocar em tópicos para ficar mais visual.<br /> * pode usar asterisco para facilitar a leitura.<br /> <br /> |verbetes=<br /> [[Análise de redes sociais‎‎]]<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Israel_Aquino&diff=185 2019-09-24T19:53:30Z

<p>Israell.aquino: </p> <hr /> <div>{{Autor<br /> |nome=Israel Aquino<br /> |desc=Mestre em História pelo PPGH UFRGS. Membro do Grupo de Pesquisa/Cnpq SARAS - Sociedades de Antigo Regime no Atlântico Sul.<br /> |pubs=<br /> insira aqui sua produção, que pode ser de artigos, textos de trabalho, etc...<br /> - pode colocar em tópicos para ficar mais visual.<br /> * pode usar asterisco para facilitar a leitura.<br /> <br /> |verbetes=<br /> [[Análise de redes sociais‎‎]]<br /> * pode listar outros verbetes, mas sempre com os [[colchetes]]<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=(Aquino,_2019)&diff=87 2019-05-21T18:44:44Z

<p>Israell.aquino: </p> <hr /> <div>{{Cite book<br /> | publisher = Editora Fi Publicações Acadêmicas<br /> | last = Aquino<br /> | first = Israel<br /> | title = Redes de compadrio, hierarquia e interdependência social (Viamão - 1747-1773)<br /> | location = Porto Alegre<br /> | date = 2019<br /> |link=https://www.editorafi.org/<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=(Moreno,_1953)&diff=86 2019-05-21T18:40:58Z

<p>Israell.aquino: Criou página com '{{Cite book | publisher = Beacon House | last = Moreno | first = Jacob | title = Who shall survive? A new approuch to the Problem of Human Interrelations | location = New Yor...'</p> <hr /> <div>{{Cite book<br /> | publisher = Beacon House<br /> | last = Moreno <br /> | first = Jacob<br /> | title = Who shall survive? A new approuch to the Problem of Human Interrelations<br /> | location = New York, USA<br /> | date = 1953 (1934)<br /> |link=https://archive.org/details/whoshallsurviven00jlmo<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=(Beauguitte,_2010)&diff=84 2019-05-21T18:37:06Z

<p>Israell.aquino: Israell.aquino moveu (Beauguitte, 2017) para (Beauguitte, 2010)</p> <hr /> <div>{{Cite book<br /> | publisher = Pantheon-Sourbonne<br /> | last = Beauguitte<br /> | first = Laurent<br /> | title = Graphes, réseaux, réseaux sociaux: vocabulaire et notation<br /> | location = Paris, FR<br /> | date = 2010<br /> |link=https://halshs.archives-ouvertes.fr/halshs-00541898/document<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=(Beauguitte,_2017)&diff=85 2019-05-21T18:37:06Z

<p>Israell.aquino: Israell.aquino moveu (Beauguitte, 2017) para (Beauguitte, 2010)</p> <hr /> <div>#REDIRECIONAMENTO [[(Beauguitte, 2010)]]</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Sociologia_Estrutural&diff=83 2019-05-21T18:36:12Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> De modo geral, os estudos de Jacob Moreno, na década de 1930, são apontados como a origem dos principais conceitos que mais tarde formariam a base da Análise de Redes Sociais. A partir de seus estudos, Moreno lançou as bases da Sociologia Estrutural (ou Sociometria) e criou o sociograma, ferramenta que apresenta sob a forma de um gráfico as várias relações entre os sujeitos que compõe um grupo, representando uma importante inovação para época &lt;ref&gt;[[(Beauguitte, 2010)]]&lt;/ref&gt;. <br /> <br /> Em sua obra ''Who shall survives?'', Moreno estabelece os pressupostos teóricos da sociometria, definida como uma “''técnica experimental […] obtida através da aplicação de métodos quantitativos […] que investigam a evolução e organização dos grupos e a posição dos indivíduos dentro deles''” &lt;ref&gt;[[(Moreno, 1953)]]&lt;/ref&gt;. <br /> <br /> Conforme aponta Beauguitte &lt;ref&gt;[[(Beauguitte, 2010)]]&lt;/ref&gt;, a tecnologia da época não permitia, ainda, o desenvolvimento de cálculos avançados, de modo que algumas das propostas apresentadas no livro seriam desenvolvidas apenas décadas depois.<br /> <br /> O principal interesse de Moreno era medir as relações dos grupos, compreendendo como esses conjuntos de atores eram estruturados. O autor também foi o primeiro a utilizar o termo “redes” para se referir às redes de relações interpessoais entre indivíduos e o estudo destas como objeto de análise &lt;ref&gt;[[(Aquino, 2019)]]&lt;/ref&gt;.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=(Beauguitte,_2010)&diff=82 2019-05-21T18:35:56Z

<p>Israell.aquino: Criou página com '{{Cite book | publisher = Pantheon-Sourbonne | last = Beauguitte | first = Laurent | title = Graphes, réseaux, réseaux sociaux: vocabulaire et notation | location = Paris, F...'</p> <hr /> <div>{{Cite book<br /> | publisher = Pantheon-Sourbonne<br /> | last = Beauguitte<br /> | first = Laurent<br /> | title = Graphes, réseaux, réseaux sociaux: vocabulaire et notation<br /> | location = Paris, FR<br /> | date = 2010<br /> |link=https://halshs.archives-ouvertes.fr/halshs-00541898/document<br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Tipos_de_Grafos&diff=80 2019-05-21T18:25:39Z

<p>Israell.aquino: Israell.aquino moveu Não-direcionados para Tipos de Grafos</p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> Um grafo direcionado, também denominado assimétrico, é aquele na qual as relações assumem um sentido, uma direção. A opção por um grafo direcionado ocorre quando as relações estabelecidas em uma rede possuem uma direção, ou seja, não se dão entre iguais (ou não têm o mesmo peso). Um exemplo seria a representação em uma rede das relações de compadrio de uma família ou comunidade, tendo em vista as complexas normas de reciprocidade e desigualdade que atravessam estas relações.<br /> <br /> Por outro lado, uma rede também pode ser não-direcionada, ou seja, suas conexões não possuem direção ou sua direção não importa. Poderíamos citar como exemplo uma rede de acionista de uma sociedade anônima: se A é sócio de B nesta empresa, então B também será sócio de A, não importando o sentido da relação. &lt;ref&gt;[[(Aquino, 2019)]]&lt;/ref&gt;<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=N%C3%A3o-direcionados&diff=81 2019-05-21T18:25:39Z

<p>Israell.aquino: Israell.aquino moveu Não-direcionados para Tipos de Grafos</p> <hr /> <div>#REDIRECIONAMENTO [[Tipos de Grafos]]</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Sociologia_Estrutural&diff=77 2019-05-21T17:49:09Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> De modo geral, os estudos de Jacob Moreno, na década de 1930, são apontados como a origem dos principais conceitos que mais tarde formariam a base da Análise de Redes Sociais. A partir de seus estudos, Moreno lançou as bases da Sociologia Estrutural (ou Sociometria) e criou o sociograma, ferramenta que apresenta sob a forma de um gráfico as várias relações entre os sujeitos que compõe um grupo, representando uma importante inovação para época &lt;ref&gt;[[(Beauguitte, 2017)]]&lt;/ref&gt;. <br /> <br /> Em sua obra ''Who shall survives?'', Moreno estabelece os pressupostos teóricos da sociometria, definida como uma “''técnica experimental […] obtida através da aplicação de métodos quantitativos […] que investigam a evolução e organização dos grupos e a posição dos indivíduos dentro deles''” &lt;ref&gt;[[(Moreno, 1953)]]&lt;/ref&gt;. <br /> <br /> Conforme aponta Beauguitte &lt;ref&gt;[[(Beauguitte, 2017)]]&lt;/ref&gt;, a tecnologia da época não permitia, ainda, o desenvolvimento de cálculos avançados, de modo que algumas das propostas apresentadas no livro seriam desenvolvidas apenas décadas depois.<br /> <br /> O principal interesse de Moreno era medir as relações dos grupos, compreendendo como esses conjuntos de atores eram estruturados. O autor também foi o primeiro a utilizar o termo “redes” para se referir às redes de relações interpessoais entre indivíduos e o estudo destas como objeto de análise &lt;ref&gt;[[(Aquino, 2019)]]&lt;/ref&gt;.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Sociologia_Estrutural&diff=75 2019-05-21T17:47:55Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> De modo geral, os estudos de Jacob Moreno, na década de 1930, são apontados como a origem dos principais conceitos que mais tarde formariam a base da Análise de Redes Sociais. A partir de seus estudos, Moreno lançou as bases da Sociologia Estrutural (ou Sociometria) e criou o sociograma, ferramenta que apresenta sob a forma de um gráfico as várias relações entre os sujeitos que compõe um grupo, representando uma importante inovação para época &lt;ref&gt;[[(Beauguitte, 2017)]]&lt;/ref&gt;. <br /> <br /> Em sua obra ''Who shall survives?'', Moreno estabelece os pressupostos teóricos da sociometria, definida como uma “''técnica experimental […] obtida através da aplicação de métodos quantitativos […] que investigam a evolução e organização dos grupos e a posição dos indivíduos dentro deles''” &lt;ref&gt;[[(Moreno, 1953 )]]. <br /> <br /> Conforme aponta Beauguitte &lt;ref&gt;[[(Beauguitte, 2017)]], a tecnologia da época não permitia, ainda, o desenvolvimento de cálculos avançados, de modo que algumas das propostas apresentadas no livro seriam desenvolvidas apenas décadas depois.<br /> <br /> O principal interesse de Moreno era medir as relações dos grupos, compreendendo como esses conjuntos de atores eram estruturados. O autor também foi o primeiro a utilizar o termo “redes” para se referir às redes de relações interpessoais entre indivíduos e o estudo destas como objeto de análise &lt;ref&gt;[[(Aquino, 2019)]].<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Sociologia_Estrutural&diff=74 2019-05-21T17:46:47Z

<p>Israell.aquino: Criou página com '{{Verbete|nome=Israel|sobrenome=Aquino|verbete= De modo geral, os estudos de Jacob Moreno, na década de 1930, são apontados como a origem dos principais conceitos que mais t...'</p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> De modo geral, os estudos de Jacob Moreno, na década de 1930, são apontados como a origem dos principais conceitos que mais tarde formariam a base da Análise de Redes Sociais. A partir de seus estudos, Moreno lançou as bases da Sociologia Estrutural (ou Sociometria) e criou o sociograma, ferramenta que apresenta sob a forma de um gráfico as várias relações entre os sujeitos que compõe um grupo, representando uma importante inovação para época &lt;ref&gt;[[(Beauguitte, 2017)]]&lt;/ref&gt;. <br /> <br /> Em sua obra ''Who shall survives?'', Moreno estabelece os pressupostos teóricos da sociometria, definida como uma “''técnica experimental […] obtida através da aplicação de métodos quantitativos […] que investigam a evolução e organização dos grupos e a posição dos indivíduos dentro deles''” &lt;ref&gt;[[(Moreno, 1953 (1934))]]. <br /> <br /> Conforme aponta Beauguitte&lt;ref&gt;[[(Beauguitte, 2017)]], a tecnologia da época não permitia, ainda, o desenvolvimento de cálculos avançados, de modo que algumas das propostas apresentadas no livro seriam desenvolvidas apenas décadas depois.<br /> <br /> O principal interesse de Moreno era medir as relações dos grupos, compreendendo como esses conjuntos de atores eram estruturados. O autor também foi o primeiro a utilizar o termo “redes” para se referir às redes de relações interpessoais entre indivíduos e o estudo destas como objeto de análise &lt;ref&gt;[[(Aquino, 2019)]].<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Matriz_de_adjac%C3%AAncia&diff=73 2019-05-21T17:37:37Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> As informações de uma rede podem ser expressas na forma de uma matriz, sendo a forma mais adotada aquela que denominamos como matriz de adjacências. Ela é assim denominada porque as entradas na matriz indicam se dois nós são adjacentes (conectados) ou não.<br /> <br /> Uma matriz de adjacências adota um formato ''a x a'', apresentando número idêntico de linhas e colunas. Cada par de linha e coluna representa um nó (agente) da rede, e a intersecção entre dois nós distintos ''x'' e ''y'' indica se estes estão ou não conectados, adotando o valor 1 quando estes forem adjacentes, ou o valor 0 (nulo) quando os nós forem não-adjacentes.<br /> <br /> Importante notar que em grafos [[não-direcionados]], a matriz de adjacências será sempre simétrica, adotando valores idênticos para as intersecções ''xy'' e ''yx''. &lt;ref&gt;[[(Wasserman &amp; Faust, 1994)]]&lt;/ref&gt;<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Matriz_de_adjac%C3%AAncia&diff=72 2019-05-21T17:37:12Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> As informações de uma rede podem ser expressas na forma de uma matriz, sendo a forma mais adotada aquela que denominamos como matriz de adjacências. Ela é assim denominada porque as entradas na matriz indicam se dois nós são adjacentes (conectados) ou não.<br /> <br /> Uma matriz de adjacências adota um formato ''a x a'', apresentando número idêntico de linhas e colunas. Cada par de linha e coluna representa um nó (agente) da rede, e a intersecção entre dois nós distintos ''x'' e ''y'' indica se estes estão ou não conectados, adotando o valor 1 quando estes forem adjacentes, ou o valor 0 (nulo) quando os nós forem não-adjacentes.<br /> <br /> Importante notar que em [[grafos não-direcionados]], a matriz de adjacências será sempre simétrica, adotando valores idênticos para as intersecções ''xy'' e ''yx''. &lt;ref&gt;[[(Wasserman &amp; Faust, 1994)]]&lt;/ref&gt;<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Tipos_de_Grafos&diff=71 2019-05-21T17:33:51Z

<p>Israell.aquino: Criou página com '{{Verbete|nome=Israel|sobrenome=Aquino|verbete= Um grafo direcionado, também denominado assimétrico, é aquele na qual as relações assumem um sentido, uma direção. A op...'</p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> Um grafo direcionado, também denominado assimétrico, é aquele na qual as relações assumem um sentido, uma direção. A opção por um grafo direcionado ocorre quando as relações estabelecidas em uma rede possuem uma direção, ou seja, não se dão entre iguais (ou não têm o mesmo peso). Um exemplo seria a representação em uma rede das relações de compadrio de uma família ou comunidade, tendo em vista as complexas normas de reciprocidade e desigualdade que atravessam estas relações.<br /> <br /> Por outro lado, uma rede também pode ser não-direcionada, ou seja, suas conexões não possuem direção ou sua direção não importa. Poderíamos citar como exemplo uma rede de acionista de uma sociedade anônima: se A é sócio de B nesta empresa, então B também será sócio de A, não importando o sentido da relação. &lt;ref&gt;[[(Aquino, 2019)]]&lt;/ref&gt;<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Matriz_de_adjac%C3%AAncia&diff=70 2019-05-21T17:30:37Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> As informações de uma rede podem ser expressas na forma de uma matriz, sendo a forma mais adotada aquela que denominamos como matriz de adjacências. Ela é assim denominada porque as entradas na matriz indicam se dois nós são adjacentes (conectados) ou não.<br /> <br /> Uma matriz de adjacências adota um formato ''a x a'', apresentando número idêntico de linhas e colunas. Cada par de linha e coluna representa um nó (agente) da rede, e a intersecção entre dois nós distintos ''x'' e ''y'' indica se estes estão ou não conectados, adotando o valor 1 quando estes forem adjacentes, ou o valor 0 (nulo) quando os nós forem não-adjacentes.<br /> <br /> Importante notar que em grafos [[não-direcionados]], a matriz de adjacências será sempre simétrica, adotando valores idênticos para as intersecções ''xy'' e ''yx''. &lt;ref&gt;[[(Wasserman &amp; Faust, 1994)]]&lt;/ref&gt;<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Matriz_de_adjac%C3%AAncia&diff=69 2019-05-21T17:29:16Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> As informações de uma rede podem ser expressas na forma de uma matriz, sendo a forma mais adotada aquela que denominamos como matriz de adjacências. Ela é assim denominada porque as entradas na matriz indicam se dois nós são adjacentes (conectados) ou não.<br /> <br /> Uma matriz de adjacências adota um formato ''a x a'', apresentando número idêntico de linhas e colunas. Cada par de linha e coluna representa um nó (agente) da rede, e a intersecção entre dois nós distintos ''x'' e ''y'' indica se estes estão ou não conectados, adotando o valor 1 quando estes forem adjacentes, ou o valor 0 (nulo) quando os nós forem não-adjacentes.<br /> <br /> Importante notar que em grafos não-direcionados, a matriz de adjacências será sempre simétrica, adotando valores idênticos para as intersecções ''xy'' e ''yx''. &lt;ref&gt;[[(Wasserman &amp; Faust, 1994)]]&lt;/ref&gt;<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Matriz_de_adjac%C3%AAncia&diff=68 2019-05-21T17:27:35Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> As informações de uma rede podem ser expressas na forma de uma matriz, sendo a forma mais adotada aquela que denominamos como matriz de adjacências. Ela é assim denominada porque as entradas na matriz indicam se dois nós são adjacentes (conectados) ou não.<br /> <br /> Uma matriz de adjacências adota um formato ''a x a'', apresentando número idêntico de linhas e colunas. Cada par de linha e coluna representa um nó (agente) da rede, e a intersecção entre dois nós distintos ''x'' e ''y'' indica se estes estão ou não conectados, adotando o valor 1 quando estes forem adjacentes, ou 0, quando os nós forem não-adjacentes.<br /> <br /> Importante notar que em grafos não-direcionados, a matriz de adjacências será sempre simétrica, adotando valores idênticos para as intersecções ''ab'' e ''ba''. &lt;ref&gt;[[(Wasserman &amp; Faust, 1994)]]&lt;/ref&gt;<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Matriz_de_adjac%C3%AAncia&diff=67 2019-05-21T17:26:35Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> As informações de uma rede podem ser expressas na forma de uma matriz, sendo a forma mais adotada aquela que denominamos como matriz de adjacências. Ela é assim denominada porque as entradas na matriz indicam se dois nós são adjacentes (conectados) ou não.<br /> <br /> Uma matriz de adjacências adota um formato ''a x a'', apresentando número idêntico de linhas e colunas. Cada par de linha e coluna representa um nó (agente) da rede, e a intersecção entre dois nós distintos ''x'' e ''y'' indica se estes estão ou não conectados, adotando o valor 1 quando estes forem adjacentes, ou 0, quando os nós forem não-adjacentes.<br /> <br /> Importante notar que em grafos não-direcionados, a matriz de adjacências será sempre simétrica, adotando valores idênticos para as intersecções ''ab'' e ''ba''.<br /> <br /> &lt;nowiki&gt;== Exemplo ==<br /> <br /> 0 1 1 0 1<br /> 1 0 0 1 0<br /> 1 0 0 0 1<br /> 0 1 0 0 1<br /> 1 0 1 1 0&lt;/nowiki&gt;<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Matriz_de_adjac%C3%AAncia&diff=66 2019-05-21T17:25:55Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> As informações de uma rede podem ser expressas na forma de uma matriz, sendo a forma mais adotada aquela que denominamos como matriz de adjacências. Ela é assim denominada porque as entradas na matriz indicam se dois nós são adjacentes (conectados) ou não.<br /> <br /> Uma matriz de adjacências adota um formato ''a x a'', apresentando número idêntico de linhas e colunas. Cada par de linha e coluna representa um nó (agente) da rede, e a intersecção entre dois nós distintos ''x'' e ''y'' indica se estes estão ou não conectados, adotando o valor 1 quando estes forem adjacentes, ou 0, quando os nós forem não-adjacentes.<br /> <br /> Importante notar que em grafos não-direcionados, a matriz de adjacências será sempre simétrica, adotando valores idênticos para as intersecções ''ab'' e ''ba''.<br /> <br /> == Exemplo ==<br /> <br /> 0 1 1 0 1<br /> 1 0 0 1 0<br /> 1 0 0 0 1<br /> 0 1 0 0 1<br /> 1 0 1 1 0<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Matriz_de_adjac%C3%AAncia&diff=65 2019-05-21T17:19:31Z

<p>Israell.aquino: Criou página com '{{Verbete|nome=Israel|sobrenome=Aquino|verbete= As informações de uma rede podem ser expressas na forma de uma matriz, sendo a forma mais adotada aquela que denominamos como...'</p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> As informações de uma rede podem ser expressas na forma de uma matriz, sendo a forma mais adotada aquela que denominamos como matriz de adjacências. Ela é assim denominada porque as entradas na matriz indicam se dois nós são adjacentes (conectados) ou não.<br /> <br /> Uma matriz de adjacências adota um formato ''a x a'', apresentando número idêntico de linhas e colunas. Cada par de linha e coluna representa um nó (agente) da rede, e a intersecção entre dois nós distintos ''x'' e ''y'' indica se estes estão ou não conectados, adotando o valor 1 quando estes forem adjacentes, ou 0, quando os nós forem não-adjacentes.<br /> <br /> Importante notar que em grafos não-direcionados, a matriz de adjacências será sempre simétrica, adotando valores idênticos para as intersecções ''ab'' e ''ba''.<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Softwares_de_an%C3%A1lise_de_redes&diff=64 2019-05-21T16:37:29Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> <br /> Apresentamos nesta página algumas das principais ferramentas informáticas utilizadas na Análise de Redes Sociais. A maioria delas não exige do usuário conhecimentos avançados, apresentando interface bastante intuitiva, além de muitas vezes ser possível encontrar manuais e vídeo-aulas na internet. Muitas destas ferramentas são gratuitas, ou possuem ao menos uma versão Freeware. Apresentamos a seguir as principais delas.<br /> <br /> <br /> <br /> '''GEPHI'''<br /> <br /> O Gephi é um pacote de software de código aberto, utilizado para análise e visualização de redes. Possui licença gratuita e roda nos principais sistemas operacionais, incluindo Linux. Adicionalmente, o site do desenvolvedor disponibiliza uma série de plugins que ampliam as funcionalidades do programa. <br /> <br /> - '''Licença''': Open Source / Freeware<br /> <br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> <br /> - '''Site''': https://gephi.org/<br /> <br /> <br /> '''NODEXL'''<br /> <br /> Diferente dos exemplos anteriores, o NodeXL é uma ferramenta de análise de redes que funciona como um complemento (modelo) para o programa Microsoft Excel, sendo compatível com as versões do Office a partir de 2007. Possui uma versão gratuita que dispõe de funcionalidades básicas de análise e importação de dados. É uma das ferramentas de análise de redes mais simples de ser utilizada, sendo possível inserir os dados na própria planilha do Excel.<br /> <br /> - '''Licença''': Software proprietário (existe uma versão Freeware com acesso a funcionalidades limitadas) <br /> <br /> - '''Plataforma''': Windows<br /> <br /> - '''Site''': https://archive.codeplex.com/?p=nodexl<br /> <br /> <br /> '''PAJEK'''<br /> Outra programa de código aberto para realização de análise de redes, o Pajek é um software destinado à edição de grandes redes, com capacidade para processamento de milhares ou até milhões de relações (embora essa capacidade possa ser afetada pela velocidade da máquina do usuário). <br /> <br /> - '''Licença''': Freeware<br /> <br /> - '''Plataforma''': Windows<br /> <br /> - '''Site''': http://mrvar.fdv.uni-lj.si/pajek/<br /> <br /> <br /> '''R Project'''<br /> A linguagem R não é somente um software de análise de redes, mas uma '''linguagem de programação''' desenvolvida em Open Source, com ampla disponibilidade de recursos para manipulação, análise e visualização gráfica de dados, disponível nos principais sistemas operacionais. Tem sido utilizada particularmente como ambiente de desenvolvimento na área de estatística e análise de dados. Dentre os exemplos apresentados aqui, pode ser considerada a ferramenta que exige o maior nível de conhecimento de seu usuário, especialmente na área de lógica de programação. Por outro lado, é uma das ferramentas que apresenta a gama mais ampla de recursos, com o uso de pacotes e bibliotecas de expansão disponíveis na página do projeto.<br /> <br /> - '''Licença''': Open Source / Freeware<br /> <br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> <br /> - '''Site''': https://www.r-project.org/<br /> <br /> <br /> '''UCINET'''<br /> <br /> O Ucinet foi o primeiro software de Análise de Redes Sociais, sendo desenvolvido na década de 1980 pela empresa Analytic Technologies. As primeiras versões do sistema operavam operavam no sistema MS DOS, tendo posteriormente migrado para o ambiente Windows.<br /> O programa possui diversas ferramentas para o cálculo de estatísticas e uma plataforma integrada para representação gráfica (o NetDraw). O software ainda conta com ferramentas que permitem a transferência e exportação de todos os dados para formatos mais usuais, como Microsoft Excel e SPSS.<br /> <br /> - '''Licença''': Software proprietário (existe uma versão Trial que permite ao usuário trabalhar com redes de pequeno e médio porte)<br /> <br /> - '''Plataforma''': Windows<br /> <br /> - '''Site''': https://sites.google.com/site/ucinetsoftware/home <br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Softwares_de_an%C3%A1lise_de_redes&diff=63 2019-05-21T16:36:30Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> <br /> Apresentamos nesta página algumas das principais ferramentas informáticas utilizadas na Análise de Redes Sociais. A maioria delas não exige do usuário conhecimentos avançados, apresentando interface bastante intuitiva, além de muitas vezes ser possível encontrar manuais e vídeo-aulas na internet. Muitas destas ferramentas são gratuitas, ou possuem ao menos uma versão Freeware. Apresentamos a seguir as principais delas.<br /> <br /> <br /> '''UCINET'''<br /> <br /> O Ucinet foi o primeiro software de Análise de Redes Sociais, sendo desenvolvido na década de 1980 pela empresa Analytic Technologies. As primeiras versões do sistema operavam operavam no sistema MS DOS, tendo posteriormente migrado para o ambiente Windows.<br /> O programa possui diversas ferramentas para o cálculo de estatísticas e uma plataforma integrada para representação gráfica (o NetDraw). O software ainda conta com ferramentas que permitem a transferência e exportação de todos os dados para formatos mais usuais, como Microsoft Excel e SPSS.<br /> <br /> - '''Licença''': Software proprietário (existe uma versão Trial que permite ao usuário trabalhar com redes de pequeno e médio porte)<br /> <br /> - '''Plataforma''': Windows<br /> <br /> - '''Site''': https://sites.google.com/site/ucinetsoftware/home <br /> <br /> <br /> '''GEPHI'''<br /> <br /> O Gephi é um pacote de software de código aberto, utilizado para análise e visualização de redes. Possui licença gratuita e roda nos principais sistemas operacionais, incluindo Linux. Adicionalmente, o site do desenvolvedor disponibiliza uma série de plugins que ampliam as funcionalidades do programa. <br /> <br /> - '''Licença''': Open Source / Freeware<br /> <br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> <br /> - '''Site''': https://gephi.org/<br /> <br /> <br /> '''NODEXL'''<br /> <br /> Diferente dos exemplos anteriores, o NodeXL é uma ferramenta de análise de redes que funciona como um complemento (modelo) para o programa Microsoft Excel, sendo compatível com as versões do Office a partir de 2007. Possui uma versão gratuita que dispõe de funcionalidades básicas de análise e importação de dados. É uma das ferramentas de análise de redes mais simples de ser utilizada, sendo possível inserir os dados na própria planilha do Excel.<br /> <br /> - '''Licença''': Software proprietário (existe uma versão Freeware com acesso a funcionalidades limitadas) <br /> <br /> - '''Plataforma''': Windows<br /> <br /> - '''Site''': https://archive.codeplex.com/?p=nodexl<br /> <br /> <br /> '''PAJEK'''<br /> Outra programa de código aberto para realização de análise de redes, o Pajek é um software destinado à edição de grandes redes, com capacidade para processamento de milhares ou até milhões de relações (embora essa capacidade possa ser afetada pela velocidade da máquina do usuário). <br /> <br /> - '''Licença''': Freeware<br /> <br /> - '''Plataforma''': Windows<br /> <br /> - '''Site''': http://mrvar.fdv.uni-lj.si/pajek/<br /> <br /> <br /> '''R Project'''<br /> A linguagem R não é somente um software de análise de redes, mas uma '''linguagem de programação''' desenvolvida em Open Source, com ampla disponibilidade de recursos para manipulação, análise e visualização gráfica de dados, disponível nos principais sistemas operacionais. Tem sido utilizada particularmente como ambiente de desenvolvimento na área de estatística e análise de dados. Dentre os exemplos apresentados aqui, pode ser considerada a ferramenta que exige o maior nível de conhecimento de seu usuário, especialmente na área de lógica de programação. Por outro lado, é uma das ferramentas que apresenta a gama mais ampla de recursos, com o uso de pacotes e bibliotecas de expansão disponíveis na página do projeto.<br /> <br /> - '''Licença''': Open Source / Freeware<br /> <br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> <br /> - '''Site''': https://www.r-project.org/<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Softwares_de_an%C3%A1lise_de_redes&diff=62 2019-05-21T16:35:56Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> <br /> Apresentamos nesta página algumas das principais ferramentas informáticas utilizadas na Análise de Redes Sociais. A maioria delas não exige do usuário conhecimentos avançados, apresentando interface bastante intuitiva, além de muitas vezes ser possível encontrar manuais e vídeo-aulas na internet. Muitas destas ferramentas são gratuitas, ou possuem ao menos uma versão Freeware. Apresentamos a seguir as principais delas.<br /> <br /> <br /> '''UCINET'''<br /> <br /> O Ucinet foi o primeiro software de Análise de Redes Sociais, sendo desenvolvido na década de 1980 pela empresa Analytic Technologies. As primeiras versões do sistema operavam operavam no sistema MS DOS, tendo posteriormente migrado para o ambiente Windows.<br /> O programa possui diversas ferramentas para o cálculo de estatísticas e uma plataforma integrada para representação gráfica (o NetDraw). O software ainda conta com ferramentas que permitem a transferência e exportação de todos os dados para formatos mais usuais, como Microsoft Excel e SPSS.<br /> <br /> - '''Licença''': Software proprietário (existe uma versão Trial que permite ao usuário trabalhar com redes de pequeno e médio porte)<br /> <br /> - '''Plataforma''': Windows<br /> <br /> - '''Site''': https://sites.google.com/site/ucinetsoftware/home <br /> <br /> '''GEPHI'''<br /> O Gephi é um pacote de software de código aberto, utilizado para análise e visualização de redes. Possui licença gratuita e roda nos principais sistemas operacionais, incluindo Linux. Adicionalmente, o site do desenvolvedor disponibiliza uma série de plugins que ampliam as funcionalidades do programa. <br /> <br /> - '''Licença''': Open Source / Freeware<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://gephi.org/<br /> <br /> <br /> '''NODEXL'''<br /> Diferente dos exemplos anteriores, o NodeXL é uma ferramenta de análise de redes que funciona como um complemento (modelo) para o programa Microsoft Excel, sendo compatível com as versões do Office a partir de 2007. Possui uma versão gratuita que dispõe de funcionalidades básicas de análise e importação de dados. É uma das ferramentas de análise de redes mais simples de ser utilizada, sendo possível inserir os dados na própria planilha do Excel.<br /> <br /> - '''Licença''': Software proprietário (existe uma versão Freeware com acesso a funcionalidades limitadas) <br /> - '''Plataforma''': Windows<br /> - '''Site''': https://archive.codeplex.com/?p=nodexl<br /> <br /> <br /> '''PAJEK'''<br /> Outra programa de código aberto para realização de análise de redes, o Pajek é um software destinado à edição de grandes redes, com capacidade para processamento de milhares ou até milhões de relações (embora essa capacidade possa ser afetada pela velocidade da máquina do usuário). <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows<br /> - '''Site''': http://mrvar.fdv.uni-lj.si/pajek/<br /> <br /> <br /> '''R Project'''<br /> A linguagem R não é somente um software de análise de redes, mas uma '''linguagem de programação''' desenvolvida em Open Source, com ampla disponibilidade de recursos para manipulação, análise e visualização gráfica de dados, disponível nos principais sistemas operacionais. Tem sido utilizada particularmente como ambiente de desenvolvimento na área de estatística e análise de dados. Dentre os exemplos apresentados aqui, pode ser considerada a ferramenta que exige o maior nível de conhecimento de seu usuário, especialmente na área de lógica de programação. Por outro lado, é uma das ferramentas que apresenta a gama mais ampla de recursos, com o uso de pacotes e bibliotecas de expansão disponíveis na página do projeto.<br /> <br /> - '''Licença''': Open Source / Freeware<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://www.r-project.org/<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Softwares_de_an%C3%A1lise_de_redes&diff=61 2019-05-21T16:35:02Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> <br /> Apresentamos nesta página algumas das principais ferramentas informáticas utilizadas na Análise de Redes Sociais. A maioria delas não exige do usuário conhecimentos avançados, apresentando interface bastante intuitiva, além de muitas vezes ser possível encontrar manuais e vídeo-aulas na internet. Muitas destas ferramentas são gratuitas, ou possuem ao menos uma versão Freeware. Apresentamos a seguir as principais delas.<br /> <br /> <br /> '''UCINET'''<br /> O Ucinet foi o primeiro software de Análise de Redes Sociais, sendo desenvolvido na década de 1980 pela empresa Analytic Technologies. As primeiras versões do sistema operavam operavam no sistema MS DOS, tendo posteriormente migrado para o ambiente Windows.<br /> O programa possui diversas ferramentas para o cálculo de estatísticas e uma plataforma integrada para representação gráfica (o NetDraw). O software ainda conta com ferramentas que permitem a transferência e exportação de todos os dados para formatos mais usuais, como Microsoft Excel e SPSS.<br /> <br /> - '''Licença''': Software proprietário (existe uma versão Trial que permite ao usuário trabalhar com redes de pequeno e médio porte) <br /> - '''Plataforma''': Windows <br /> - '''Site''': https://sites.google.com/site/ucinetsoftware/home <br /> <br /> <br /> '''GEPHI'''<br /> O Gephi é um pacote de software de código aberto, utilizado para análise e visualização de redes. Possui licença gratuita e roda nos principais sistemas operacionais, incluindo Linux. Adicionalmente, o site do desenvolvedor disponibiliza uma série de plugins que ampliam as funcionalidades do programa. <br /> <br /> - '''Licença''': Open Source / Freeware<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://gephi.org/<br /> <br /> <br /> '''NODEXL'''<br /> Diferente dos exemplos anteriores, o NodeXL é uma ferramenta de análise de redes que funciona como um complemento (modelo) para o programa Microsoft Excel, sendo compatível com as versões do Office a partir de 2007. Possui uma versão gratuita que dispõe de funcionalidades básicas de análise e importação de dados. É uma das ferramentas de análise de redes mais simples de ser utilizada, sendo possível inserir os dados na própria planilha do Excel.<br /> <br /> - '''Licença''': Software proprietário (existe uma versão Freeware com acesso a funcionalidades limitadas) <br /> - '''Plataforma''': Windows<br /> - '''Site''': https://archive.codeplex.com/?p=nodexl<br /> <br /> <br /> '''PAJEK'''<br /> Outra programa de código aberto para realização de análise de redes, o Pajek é um software destinado à edição de grandes redes, com capacidade para processamento de milhares ou até milhões de relações (embora essa capacidade possa ser afetada pela velocidade da máquina do usuário). <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows<br /> - '''Site''': http://mrvar.fdv.uni-lj.si/pajek/<br /> <br /> <br /> '''R Project'''<br /> A linguagem R não é somente um software de análise de redes, mas uma '''linguagem de programação''' desenvolvida em Open Source, com ampla disponibilidade de recursos para manipulação, análise e visualização gráfica de dados, disponível nos principais sistemas operacionais. Tem sido utilizada particularmente como ambiente de desenvolvimento na área de estatística e análise de dados. Dentre os exemplos apresentados aqui, pode ser considerada a ferramenta que exige o maior nível de conhecimento de seu usuário, especialmente na área de lógica de programação. Por outro lado, é uma das ferramentas que apresenta a gama mais ampla de recursos, com o uso de pacotes e bibliotecas de expansão disponíveis na página do projeto.<br /> <br /> - '''Licença''': Open Source / Freeware<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://www.r-project.org/<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Softwares_de_an%C3%A1lise_de_redes&diff=60 2019-05-21T16:28:44Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> <br /> Apresentamos nesta página algumas das principais ferramentas informáticas utilizadas na Análise de Redes Sociais. A maioria delas não exige do usuário conhecimentos avançados, apresentando interface bastante intuitiva, além de muitas vezes ser possível encontrar manuais e vídeo-aulas na internet. Muitas destas ferramentas são gratuitas, ou possuem ao menos uma versão Freeware. Apresentamos a seguir as principais delas.<br /> <br /> <br /> '''UCINET'''<br /> O Ucinet foi o primeiro software de Análise de Redes Sociais, sendo desenvolvido na década de 1980 pela empresa Analytic Technologies. As primeiras versões do sistema operavam operavam no sistema MS DOS, tendo posteriormente migrado para o ambiente Windows.<br /> O programa possui diversas ferramentas para o cálculo de estatísticas e uma plataforma integrada para representação gráfica (o NetDraw). O software ainda conta com ferramentas que permitem a transferência e exportação de todos os dados para formatos mais usuais, como Microsoft Excel e SPSS.<br /> <br /> - '''Licença''': Freeware <br /> - '''Plataforma''': Windows <br /> - '''Site''': https://sites.google.com/site/ucinetsoftware/home <br /> <br /> <br /> '''GEPHI'''<br /> O Gephi é um pacote de software de código aberto, utilizado para análise e visualização de redes. Possui licença gratuita e roda nos principais sistemas operacionais, incluindo Linux. Adicionalmente, o site do desenvolvedor disponibiliza uma série de plugins que ampliam as funcionalidades do programa. <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://gephi.org/<br /> <br /> <br /> '''NODEXL'''<br /> Diferente dos exemplos anteriores, o NodeXL é uma ferramenta de análise de redes que funciona como um complemento (modelo) para o programa Microsoft Excel, sendo compatível com as versões do Office a partir de 2007. Possui uma versão gratuita que dispõe de funcionalidades básicas de análise e importação de dados. É uma das ferramentas de análise de redes mais simples de ser utilizada, sendo possível inserir os dados na própria planilha do Excel.<br /> <br /> - '''Licença''': possui versão Freeware com recursos limitados<br /> - '''Plataforma''': Windows<br /> - '''Site''': https://archive.codeplex.com/?p=nodexl<br /> <br /> <br /> '''PAJEK'''<br /> Outra programa de código aberto para realização de análise de redes, o Pajek é um software destinado à edição de grandes redes, com capacidade para processamento de milhares ou até milhões de relações (embora essa capacidade possa ser afetada pela velocidade da máquina do usuário). <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows<br /> - '''Site''': http://mrvar.fdv.uni-lj.si/pajek/<br /> <br /> <br /> '''R Project'''<br /> A linguagem R não é somente um software de análise de redes, mas uma '''linguagem de programação''' desenvolvida em Open Source, com ampla disponibilidade de recursos para manipulação, análise e visualização gráfica de dados, disponível nos principais sistemas operacionais. Tem sido utilizada particularmente como ambiente de desenvolvimento na área de estatística e análise de dados. Dentre os exemplos apresentados aqui, pode ser considerada a ferramenta que exige o maior nível de conhecimento de seu usuário, especialmente na área de lógica de programação. Por outro lado, é uma das ferramentas que apresenta a gama mais ampla de recursos, com o uso de pacotes e bibliotecas de expansão disponíveis na página do projeto.<br /> <br /> - '''Licença''': Freeware (Open Source)<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://www.r-project.org/<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Softwares_de_an%C3%A1lise_de_redes&diff=59 2019-05-21T16:22:41Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> <br /> Apresentamos nesta página algumas das principais ferramentas informáticas utilizadas na Análise de Redes Sociais. A maioria delas não exige do usuário conhecimentos avançados, apresentando interface bastante intuitiva, além de muitas vezes ser possível encontrar manuais e vídeo-aulas na internet. Muitas destas ferramentas são gratuitas, ou possuem ao menos uma versão Freeware. Apresentamos a seguir as principais delas.<br /> <br /> <br /> '''UCINET'''<br /> O Ucinet foi o primeiro software de Análise de Redes Sociais, sendo desenvolvido na década de 1980 pela empresa Analytic Technologies. As primeiras versões do sistema operavam operavam no sistema MS DOS, tendo posteriormente migrado para o ambiente Windows.<br /> O programa possui diversas ferramentas para o cálculo de estatísticas e uma plataforma integrada para representação gráfica (o NetDraw). O software ainda conta com ferramentas que permitem a transferência e exportação de todos os dados para formatos mais usuais, como Microsoft Excel e SPSS.<br /> <br /> [[Arquivo:Exemplo.jpg]]<br /> <br /> - '''Licença''': Freeware <br /> - '''Plataforma''': Windows <br /> - '''Site''': https://sites.google.com/site/ucinetsoftware/home <br /> <br /> <br /> '''GEPHI'''<br /> O Gephi é um pacote de software de código aberto, utilizado para análise e visualização de redes. Possui licença gratuita e roda nos principais sistemas operacionais, incluindo Linux. Adicionalmente, o site do desenvolvedor disponibiliza uma série de plugins que ampliam as funcionalidades do programa. <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://gephi.org/<br /> <br /> <br /> '''NODEXL'''<br /> Diferente dos exemplos anteriores, o NodeXL é uma ferramenta de análise de redes que funciona como um complemento (modelo) para o programa Microsoft Excel, sendo compatível com as versões do Office a partir de 2007. Possui uma versão gratuita que dispõe de funcionalidades básicas de análise e importação de dados. É uma das ferramentas de análise de redes mais simples de ser utilizada, sendo possível inserir os dados na própria planilha do Excel.<br /> <br /> - '''Licença''': possui versão Freeware com recursos limitados<br /> - '''Plataforma''': Windows<br /> - '''Site''': https://archive.codeplex.com/?p=nodexl<br /> <br /> <br /> '''PAJEK'''<br /> Outra programa de código aberto para realização de análise de redes, o Pajek é um software destinado à edição de grandes redes, com capacidade para processamento de milhares ou até milhões de relações (embora essa capacidade possa ser afetada pela velocidade da máquina do usuário). <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows<br /> - '''Site''': http://mrvar.fdv.uni-lj.si/pajek/<br /> <br /> <br /> '''R Project'''<br /> A linguagem R não é somente um software de análise de redes, mas uma '''linguagem de programação''' desenvolvida em Open Source, com ampla disponibilidade de recursos para manipulação, análise e visualização gráfica de dados, disponível nos principais sistemas operacionais. Tem sido utilizada particularmente como ambiente de desenvolvimento na área de estatística e análise de dados. Dentre os exemplos apresentados aqui, pode ser considerada a ferramenta que exige o maior nível de conhecimento de seu usuário, especialmente na área de lógica de programação. Por outro lado, é uma das ferramentas que apresenta a gama mais ampla de recursos, com o uso de pacotes e bibliotecas de expansão disponíveis na página do projeto.<br /> <br /> - '''Licença''': Freeware (Open Source)<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://www.r-project.org/<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Softwares_de_an%C3%A1lise_de_redes&diff=58 2019-05-21T16:18:30Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> <br /> Apresentamos nesta página algumas das principais ferramentas informáticas utilizadas na Análise de Redes Sociais. A maioria delas não exige do usuário conhecimentos avançados, apresentando interface bastante intuitiva, além de muitas vezes ser possível encontrar manuais e vídeo-aulas na internet. Muitas destas ferramentas são gratuitas, ou possuem ao menos uma versão Freeware. Apresentamos a seguir as principais delas.<br /> <br /> <br /> '''UCINET'''<br /> O Ucinet foi o primeiro software de Análise de Redes Sociais, sendo desenvolvido na década de 1980 pela empresa Analytic Technologies. As primeiras versões do sistema operavam operavam no sistema MS DOS, tendo posteriormente migrado para o ambiente Windows.<br /> O programa possui diversas ferramentas para o cálculo de estatísticas e uma plataforma integrada para representação gráfica (o NetDraw). O software ainda conta com ferramentas que permitem a transferência e exportação de todos os dados para formatos mais usuais, como Microsoft Excel e SPSS.<br /> <br /> - '''Licença''': Freeware <br /> - '''Plataforma''': Windows <br /> - '''Site''': https://sites.google.com/site/ucinetsoftware/home <br /> <br /> <br /> '''GEPHI'''<br /> O Gephi é um pacote de software de código aberto, utilizado para análise e visualização de redes. Possui licença gratuita e roda nos principais sistemas operacionais, incluindo Linux. Adicionalmente, o site do desenvolvedor disponibiliza uma série de plugins que ampliam as funcionalidades do programa. <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://gephi.org/<br /> <br /> <br /> '''NODEXL'''<br /> Diferente dos exemplos anteriores, o NodeXL é uma ferramenta de análise de redes que funciona como um complemento (modelo) para o programa Microsoft Excel, sendo compatível com as versões do Office a partir de 2007. Possui uma versão gratuita que dispõe de funcionalidades básicas de análise e importação de dados. É uma das ferramentas de análise de redes mais simples de ser utilizada, sendo possível inserir os dados na própria planilha do Excel.<br /> <br /> - '''Licença''': possui versão Freeware com recursos limitados<br /> - '''Plataforma''': Windows<br /> - '''Site''': https://archive.codeplex.com/?p=nodexl<br /> <br /> <br /> '''PAJEK'''<br /> Outra programa de código aberto para realização de análise de redes, o Pajek é um software destinado à edição de grandes redes, com capacidade para processamento de milhares ou até milhões de relações (embora essa capacidade possa ser afetada pela velocidade da máquina do usuário). <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows<br /> - '''Site''': http://mrvar.fdv.uni-lj.si/pajek/<br /> <br /> <br /> '''R Project'''<br /> A linguagem R não é somente um software de análise de redes, mas uma '''linguagem de programação''' desenvolvida em Open Source, com ampla disponibilidade de recursos para manipulação, análise e visualização gráfica de dados, disponível nos principais sistemas operacionais. Tem sido utilizada particularmente como ambiente de desenvolvimento na área de estatística e análise de dados. Dentre os exemplos apresentados aqui, pode ser considerada a ferramenta que exige o maior nível de conhecimento de seu usuário, especialmente na área de lógica de programação. Por outro lado, é uma das ferramentas que apresenta a gama mais ampla de recursos, com o uso de pacotes e bibliotecas de expansão disponíveis na página do projeto.<br /> <br /> - '''Licença''': Freeware (Open Source)<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://www.r-project.org/<br /> <br /> }}</div>

Israell.aquino https://lhs.unb.br/cliomatica/index.php?title=Softwares_de_an%C3%A1lise_de_redes&diff=57 2019-05-21T15:21:27Z

<p>Israell.aquino: </p> <hr /> <div>{{Verbete|nome=Israel|sobrenome=Aquino|verbete=<br /> <br /> Apresentamos nesta página algumas das principais ferramentas informáticas utilizadas na Análise de Redes Sociais. A maioria delas não exige do usuário conhecimentos avançados, apresentando interface bastante intuitiva, além de muitas vezes ser possível encontrar manuais e vídeo-aulas na internet. Muitas destas ferramentas são gratuitas, ou possuem ao menos uma versão Freeware. Apresentamos a seguir as principais delas.<br /> <br /> <br /> '''UCINET'''<br /> O Ucinet foi o primeiro software de Análise de Redes Sociais, sendo desenvolvido na década de 1980 pela empresa Analytic Technologies. As primeiras versões do sistema operavam operavam no sistema MS DOS, tendo posteriormente migrado para o ambiente Windows.<br /> O programa possui diversas ferramentas para o cálculo de estatísticas e uma plataforma integrada para representação gráfica (o NetDraw). O software ainda conta com ferramentas que permitem a transferência e exportação de todos os dados para formatos mais usuais, como Microsoft Excel e SPSS.<br /> <br /> - '''Licença''': Freeware <br /> - '''Plataforma''': Windows <br /> - '''Site''': https://sites.google.com/site/ucinetsoftware/home <br /> <br /> <br /> '''GEPHI'''<br /> O Gephi é um pacote de software de código aberto, utilizado para análise e visualização de redes. Possui licença gratuita e roda nos principais sistemas operacionais, incluindo Linux. Adicionalmente, o site do desenvolvedor disponibiliza uma série de plugins que ampliam as funcionalidades do programa. <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows, Mac OS, Linux<br /> - '''Site''': https://gephi.org/<br /> <br /> <br /> '''NODEXL'''<br /> Diferente dos exemplos anteriores, o NodeXL é uma ferramenta de análise de redes que funciona como um complemento (modelo) para o programa Microsoft Excel, sendo compatível com as versões do Office a partir de 2007. Possui uma versão gratuita que dispõe de funcionalidades básicas de análise e importação de dados. É uma das ferramentas de análise de redes mais simples de ser utilizada, sendo possível inserir os dados na própria planilha do Excel.<br /> <br /> - '''Licença''': possui versão Freeware com recursos limitados<br /> - '''Plataforma''': Windows<br /> - '''Site''': https://archive.codeplex.com/?p=nodexl<br /> <br /> <br /> '''PAJEK'''<br /> Outra programa de código aberto para realização de análise de redes, o Pajek é um software destinado à edição de grandes redes, com capacidade para processamento de milhares ou até milhões de relações (embora essa capacidade possa ser afetada pela velocidade da máquina do usuário). <br /> <br /> - '''Licença''': Freeware<br /> - '''Plataforma''': Windows<br /> - '''Site''': http://mrvar.fdv.uni-lj.si/pajek/<br /> <br /> <br /> '''R Project'''<br /> <br /> - '''Licença''': <br /> - '''Plataforma''': <br /> - '''Download''':<br /> <br /> }}</div>

Israell.aquino