Métricas - Histórico de revisão

Tiago em 15h53min de 22 de setembro de 2020

2020-09-22T15:53:30Z

Tiago em 18h36min de 20 de maio de 2020

2020-05-20T18:36:18Z

Tiago em 14h59min de 30 de abril de 2020

2020-04-30T14:59:59Z

Israell.aquino em 22h29min de 10 de março de 2020

2020-03-10T22:29:01Z

Israell.aquino em 22h22min de 10 de março de 2020

2020-03-10T22:22:49Z

Israell.aquino em 21h52min de 10 de março de 2020

2020-03-10T21:52:09Z

Israell.aquino em 21h43min de 10 de março de 2020

2020-03-10T21:43:03Z

Israell.aquino em 21h34min de 10 de março de 2020

2020-03-10T21:34:11Z

Israell.aquino em 21h25min de 10 de março de 2020

2020-03-10T21:25:43Z

Israell.aquino em 21h16min de 10 de março de 2020

2020-03-10T21:16:25Z

← Edição anterior		Edição das 15h53min de 22 de setembro de 2020
Linha 79:		Linha 79:

	}}		}}
		+	[[category:metrics]]

@@ Linha 9: / Linha 9: @@
 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.
 '''MÉTRICAS DE REDE'''
@@ Linha 24: / Linha 30: @@
 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.
 '''Número de componentes'''
@@ Linha 54: / Linha 66: @@
 '''Coeficiente de Proximidade'''
 O coeficiente ou grau de proximidade (''Closeness Centrality'') busca determinar o quão próximo dos demais agentes da rede está um nó, considerando o conjunto de suas relações. Assim, um nó terá um índice de proximidade mais elevado conforme puder se relacionar de forma mais próxima e rápida com os demais nós, ou seja, sem depender de intermediários (WASSERMAN & FAUST, 1994, p. 183).
 '''Centralidade Autovetorial'''

← Edição anterior		Edição das 14h59min de 30 de abril de 2020
Linha 1:		Linha 1:
	{{Verbete\|nome=Israel\|sobrenome=Aquino\|verbete=		{{Verbete\|nome=Israel\|sobrenome=Aquino\|verbete=
		+
		+
		+	{{ars}}
		+
	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.		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.

@@ Linha 37: / Linha 37: @@
 '''Centralidade'''
-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 & FAUST, 1994, p. 100).
+O grau ou centralidade de um vértice (''Degree'') é uma métrica direta, que corresponde ao número de relações em que o ator está envolvido. Em um grafo não direcionado, essa métrica corresponde a uma relação direta com o número de relações estabelecidas por um nó; assim, se um nó X estabelece relações com outros 10 nós dentro da rede, dizemos que o Degree de X é igual a 10 (WASSERMAN & FAUST, 1994, p. 100).
 Já em um grafo não direcionado, essa métrica assume duas formas, que chamamos centralidade ou grau de entrada (''InDegree'') e centralidade ou grau de saída (''OutDegree''), e que estão relacionadas ao papel cumprido pelo nó em cada uma de suas relações. Assim, o InDegree de um nó corresponde ao número de relações em que este é o polo ativo ou receptivo na relação, ou seja, o número de relações que são direcionadas para este nó (Idem, p. 125).
 '''Coeficiente de Intermediação'''
-O chamado Coeficiente de Intermediação (''Betweenness Centrality'') é uma métrica que indica o potencial de intermediação de um nó entre diferentes setores da rede, ao considerar quantos ''caminhos'' da rede passam por ele, 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.
+O chamado Coeficiente de Intermediação (''Betweenness Centrality'') é uma métrica que indica o potencial de intermediação de um nó entre diferentes setores da rede, ao considerar quantos "caminhos" da rede passam por ele. Indica, assim, quais atores conectam diferentes [[clusters]] dentro de uma rede.
-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.
+Supondo que, para que um ator A entre em contato com um ator B, o ator X precise ser usado como intermediário, podemos dizer que esse ator X tem certa "responsabilidade" para com os atores A e B, considerando que essa relação poderia ser "quebrada" caso ele se retirasse da rede. Se considerarmos, assim, todos os percursos mais curtos que passam por X, onde ele atua como intermediário entre outros atores ou grupos diferentes, temos então o Coeficiente de Intermediação do nó X.
 '''Coeficiente de Proximidade'''
@@ Linha 50: / Linha 52: @@
 '''Centralidade Autovetorial'''
-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.
+Também citado como ''Eigenvector Centrality'', busca identificar a relevância das relações formadas por um nó, considerando a centralidade dos nós com que este se relaciona. Assim, um nó assume maior relevância em uma rede se estiver conectado a outros nós importantes da mesma rede, ou seja, nós que possuam uma centralidade elevada. Esta métrica, contudo, não se confunde com a centralidade de entrada de um nó: um nó com elevado InDegree pode acumular um grande número de relações com nós periféricos, o que não contribuirá para elevar sua relevância dentro da rede (NEWMAN, 2016, p. 4-5). Desta forma, esta métrica é bastante utilizada para identificar os nós que possuem maior influência no interior de uma rede.
 '''Coeficiente de Clusterização'''
-Indica o quão conectado está um determinado nó da rede. Um alto coeficiente de clusterização indica que um determinado nó está muito conectado a seus vizinhos, compartilhando, portanto, um conjunto de relações mais próximas e intensas. Assim como o grau de fechamento, 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.
+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.
 }}

@@ Linha 34: / Linha 34: @@
 '''MÉTRICAS INDIVIDUAIS'''
-As métricas locais de um grafo, também chamadas métricas individuais ou métricas dos nós, são estatísticas produzidas para cada um dos vértices que compõe uma rede e informam sobre seu posicionamento, atuação e importância frente aos demais. 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.
+As métricas locais de um grafo, também chamadas métricas individuais ou métricas dos nós, são estatísticas produzidas para cada um dos vértices que compõe uma rede e informam sobre seu posicionamento, atuação e importância frente aos demais. Vejamos, brevemente, como funcionam algumas delas.
 '''Centralidade'''

@@ Linha 1: / Linha 1: @@
 {{Verbete|nome=Israel|sobrenome=Aquino|verbete=
-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.
+Uma contribuição fundamental da Análise de Redes Sociais é a produção de coeficientes ou estatísticas de análise, denominadas ''métricas'', que permitem evidenciar as características dessas redes, colocando em evidência alguns tipos de relação que se estabelecem, ou destacando a atuação de um determinado agente no grupo a partir da posição que este assume. Essas métricas cumprem papel fundamental para a análise a ser realizada, tanto quanto o recurso gráfico proporcionado pelos softwares de análise de redes.
 Existem dois tipos de métricas a ser consideradas: as métricas de rede e as métricas dos nós. As métricas de rede são aquelas que indicam atributos da rede como um todo, permitindo extrair características gerais da estrutura observada, tais como sua densidade, tamanho e componentes conectados. Já as métricas dos nós são aquelas relacionadas aos agentes da rede, que vão caracterizar os nós de modo individual. Elas calculam a posição de cada nó ou agente a partir de vários aspectos, tais como sua posição, suas relações e sua importância frente aos demais participantes.
@@ Linha 29: / Linha 29: @@
 Em um grafo, a distância entre dois vértices é o número de arestas a serem percorridas para chegar de um vértice a outro. Considerando que podem existir vários caminhos entre dois pontos do grafo, dizemos que a distância geodésica entre esses nós é o menor caminho possível entre eles (WASSERMAN & FAUST, 1994, p. 110). Por outro lado, a distância de um nó permite identificar o quanto este está integrado ou distante dos demais atores da rede. Chamamos excentricidade do nó a maior distância geodésica existente entre ele e os outros nós do grafo. Se não for possível alcançar um nó a partir de outro, como ocorre quando um grafo possui dois ou mais componentes desconectados, dizemos que a distância entre os nós tende ao infinito.
-Finalmente, quando consideramos todos os caminhos possíveis de se percorrer em um grafo, dizemos que a distância geodésica máxima do mesmo (também chamada Diâmetro do grafo) é o maior caminho que pode ser percorrido entre dois nós quaisquer em seu interior. Essa métrica nos permite ter uma ideia do tamanho da rede analisada, mas também nos fala da densidade dos relacionamentos em seu interior. Isso porque uma rede pode ter um diâmetro baixo, mesmo quando composta por um grande número de nós, desde que as relações entre estes sejam densas. Assim, um grafo com um diâmetro alto indica uma rede de relações ampla e dispersa, enquanto um grafo com um valor de diâmetro baixo pode indicar uma rede pequena, ou uma rede grande, mas densamente conectada (Idem).
+Finalmente, quando consideramos todos os caminhos possíveis de se percorrer em um grafo, dizemos que a distância geodésica máxima do mesmo (também chamada ''Diâmetro'' do grafo) é o maior caminho que pode ser percorrido entre dois nós quaisquer em seu interior. Essa métrica nos permite ter uma ideia do tamanho da rede analisada, mas também nos fala da densidade dos relacionamentos em seu interior. Isso porque uma rede pode ter um diâmetro baixo, mesmo quando composta por um grande número de nós, desde que as relações entre estes sejam densas. Assim, um grafo com um diâmetro alto indica uma rede de relações ampla e dispersa, enquanto um grafo com um valor de diâmetro baixo pode indicar uma rede pequena, ou uma rede grande, mas densamente conectada (Idem).
 '''MÉTRICAS INDIVIDUAIS'''
-As métricas locais de um grafo, também chamadas métricas individuais ou métricas dos nós, são estatísticas produzidas para cada um dos vértices que compõe uma rede e informam sobre seu posicionamento, atuação e importância frente aos demais. 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.
+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.
 '''Centralidade'''
-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).
+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 & FAUST, 1994, p. 100).
 Já em um grafo não direcionado, essa métrica assume duas formas, que chamamos centralidade ou grau de entrada (InDegree) e centralidade ou grau de saída (OutDegree), e que estão relacionadas ao papel cumprido pelo nó em cada uma de suas relações. Assim, o InDegree de um nó corresponde ao número de relações em que este é o polo ativo ou receptivo na relação, ou seja, o número de relações que são direcionadas para este nó (Idem, p. 125).
 '''Coeficiente de Intermediação'''
-O chamado Coeficiente de Intermediação (Betweenness Centrality) é uma métrica que indica o potencial de intermediação de um nó entre diferentes setores da rede, ao considerar quantos ''caminhos'' da rede passam por ele, 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.
+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.
 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.
 '''Coeficiente de Proximidade'''
-O coeficiente ou grau de proximidade (Closeness Centrality) busca determinar o quão próximo dos demais agentes da rede está um nó, considerando o conjunto de suas relações. Assim, um nó terá um índice de proximidade mais elevado conforme puder se relacionar de forma mais próxima e rápida com os demais nós, ou seja, sem depender de intermediários (WASSERMAN &amp; FAUST, 1994, p. 183).
+O coeficiente ou grau de proximidade (''Closeness Centrality'') busca determinar o quão próximo dos demais agentes da rede está um nó, considerando o conjunto de suas relações. Assim, um nó terá um índice de proximidade mais elevado conforme puder se relacionar de forma mais próxima e rápida com os demais nós, ou seja, sem depender de intermediários (WASSERMAN & FAUST, 1994, p. 183).
-'''Centralidade Vetorial'''
+'''Centralidade Autovetorial'''
-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.
+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.
-'''Coeficiente de Clusteriza~]ao'''
+'''Coeficiente de Clusterização'''
 Indica o quão conectado está um determinado nó da rede. Um alto coeficiente de clusterização indica que um determinado nó está muito conectado a seus vizinhos, compartilhando, portanto, um conjunto de relações mais próximas e intensas. Assim como o grau de fechamento, 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.
 }}

@@ Linha 11: / Linha 11: @@
 Dentre as métricas gerais de uma rede, uma das mais simples e mais frequentemente utilizadas é a densidade da rede (''Density''), também representada pela letra grega Δ). A densidade de um grafo indica a intensidade das relações estabelecidas em uma rede, estando relacionada ao número de conexões presentes no grafo em relação ao número total de conexões possíveis. Assim, calcula-se a densidade de uma grafo através da proporção das relações existentes sobre o total de relações possíveis, podendo o resultado variar entre 0 e 1 (SCOTT, 2000; WASSERMAN & FAUST, 1994, p. 129). Assim, quanto mais próximo de 1 estiver o resultado, mais densa será a rede e, portanto, mais conectada. Inversamente, quanto mais dispersos forem os relacionamentos dentro da rede, menor será sua densidade. Um grafo completo (Densidade = 1) seria aquele em que todos os agentes se relacionam reciprocamente, sendo esta uma situação bastante rara.
-Essa métrica é particularmente útil para refletir sobre a intensidade das relações existentes no interior de um determinado grupo. Assim, um grafo denso indica a representação de uma rede de relações intensas, com agentes bem conectados e com uma alta circulação de valores (tais como bens, favores, 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.
+Essa métrica é particularmente útil para refletir sobre a intensidade das relações existentes no interior de um determinado grupo. Assim, um grafo denso indica a representação de uma rede de relações intensas, com agentes bem conectados e com uma alta circulação de valores (tais como bens, favores ou informações). Uma rede densa pode representar, ainda, a reiteração de vínculos entre os agentes que a compõem, indicando uma aproximação que pode ser reforçada a partir de diferentes relacionamentos (matrimônio, parentesco, amizade, compadrio, vizinhança, sociedade, etc.). Por outro lado, uma rede mais dispersa pode indicar um conjunto de relações mais esparso ou ocasional, sugerindo uma circulação menor de informações e valores, ou uma ligação mais frágil entre seus pares.
 '''Fechamento'''
 O grau de fechamento de uma rede (''Clousure'') também está associado à quantidade de relações existentes. Quanto mais fechada uma rede, ou um setor da rede, maiores são as chances de que os atores conectados compartilhem relações. Em outras palavras, entende-se uma rede como mais fechada quando grupos de nós em seu interior compartilham relações em comum, formando conjunto fechados (tríades, tétrades, etc.).
 '''Coenficiente de Agrupamento'''
-Do inglês ''Clustering Coefficient'', esta métrica mensura o quanto os nós de uma rede estão próximos e interconectados ou, em outras palavras, busca medir o quanto um conjunto de atores tende a se conectar no interior de uma rede de relacionamentos.
+Do inglês ''Clustering Coefficient'', esta métrica mensura o quanto os nós de uma rede estão próximos e interconectados ou, em outras palavras, busca medir o quanto um conjunto de atores tende a se conectar no interior de uma rede de relacionamentos, formando o que chamamos de [[clusters]].
-Existem duas variações desta métrica, o coeficiente de agrupamento global e coeficiente de agrupamento local. O primeiro visa fornecer uma visão geral do agrupamento da rede, enquanto o segundo fornece uma indicação da inserção dos nós individualmente. Assim, o coeficiente de agrupamento global, também denominado transitividade da rede (HOLLAND e LEINHARDT, 1971) identifica o quanto a rede é interconectada, considerando o número de cliques existentes em sua estrutura. Quanto maior o número de cliques existentes em uma rede (e, portanto, maior o número de relações compartilhadas) maior será a transitividade dessa rede. Já o agrupamento local de um nó mede o quão próximo os nós adjacentes estão de formar um clique, ou seja, um subgrafo completo, ou fechado. Em outras palavras, pode dizer-se que o coeficiente de agrupamento local mede o grau da densidade de ligações da vizinhança de um determinado nó, indicando o quanto esse grupo está interconectado.
+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.
 '''Número de componentes'''
-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 "soltos". Assim, uma rede pode ser formada por um ou vários componentes: cada conjunto de nós conectados em um grafo representa um componente da rede, que no limite pode ser formado por um único nó, se este não estiver relacionado a nenhum outro nó dentro da rede.
+Uma rede também pode ser analisada pelo número de componentes que a compõe. Um componente é um conjunto de nós dentro de uma rede no qual existe um caminho possível entre todos os nós, ou seja, onde não existem nós ou grupos de nós "soltos". Assim, uma rede pode ser formada por um ou vários componentes: cada conjunto de nós conectados em um grafo representa um componente da rede, que pode ser formado por um único nó, ou por centenas, e até milhares de nós, conforme o caso.
 A existência de componentes separados no interior de uma rede pode indicar a formação de grupos de interesse diversos em uma determinada área, podendo estes atuar em oposição uns aos outros ou de forma complementar. O fato de diferentes grupos comporem uma mesma rede mas não compartilharem relações entre si deve ser analisado com cuidado pelo pesquisador, que buscará entender a motivação dessa separação. Ela se dá por fatores setoriais? Profissionais? Geográficos? Representa uma disputa por recursos? E qual o impacto dessa separação nas relações sociais analisadas? Essas são algumas das questões que a análise de uma rede composta por múltiplos componentes pode suscitar.
@@ Linha 30: / Linha 28: @@
 '''Distância Geodésica'''
 Em um grafo, a distância entre dois vértices é o número de arestas a serem percorridas para chegar de um vértice a outro. Considerando que podem existir vários caminhos entre dois pontos do grafo, dizemos que a distância geodésica entre esses nós é o menor caminho possível entre eles (WASSERMAN & FAUST, 1994, p. 110). Por outro lado, a distância de um nó permite identificar o quanto este está integrado ou distante dos demais atores da rede. Chamamos excentricidade do nó a maior distância geodésica existente entre ele e os outros nós do grafo. Se não for possível alcançar um nó a partir de outro, como ocorre quando um grafo possui dois ou mais componentes desconectados, dizemos que a distância entre os nós tende ao infinito.
-Finalmente, quando consideramos todos os caminhos possíveis de se percorrer em um grafo, dizemos que a distância geodésica máxima do mesmo (também chamada diâmetro do grafo) é o maior caminho que pode ser percorrido entre dois nós quaisquer em seu interior. Essa métrica nos permite ter uma ideia do tamanho da rede analisada, mas também nos fala da densidade dos relacionamentos em seu interior. Isso porque uma rede pode ter um diâmetro baixo, mesmo quando composta por um grande número de nós, desde que as relações entre estes sejam densas. Assim, um grafo com um diâmetro alto indica uma rede de relações ampla e dispersa, enquanto um grafo com um valor de diâmetro baixo pode indicar uma rede pequena, ou uma rede grande, mas densamente conectada (Idem).

← Edição anterior		Edição das 21h16min de 10 de março de 2020
Linha 35:		Linha 35:
	'''MÉTRICAS INDIVIDUAIS'''		'''MÉTRICAS INDIVIDUAIS'''

		+	As métricas locais de um grafo, também chamadas métricas individuais ou métricas dos nós, são estatísticas produzidas para cada um dos vértices que compõe uma rede e informam sobre seu posicionamento, atuação e importância frente aos demais. 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.
		+
		+	'''Centralidade'''
		+	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 & FAUST, 1994, p. 100).
		+	Já em um grafo não direcionado, essa métrica assume duas formas, que chamamos centralidade ou grau de entrada (InDegree) e centralidade ou grau de saída (OutDegree), e que estão relacionadas ao papel cumprido pelo nó em cada uma de suas relações. Assim, o InDegree de um nó corresponde ao número de relações em que este é o polo ativo ou receptivo na relação, ou seja, o número de relações que são direcionadas para este nó (Idem, p. 125).
		+
		+	'''Coeficiente de Intermediação'''
		+	O chamado Coeficiente de Intermediação (Betweenness Centrality) é uma métrica que indica o potencial de intermediação de um nó entre diferentes setores da rede, ao considerar quantos ''caminhos'' da rede passam por ele, 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.
		+	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.

	}}		}}