Isidro Maya Jariego: Redes Sociales - LRPC (Laboratorio de Redes Personales. y Comunidades)

El Diario AS publicó el 10 de octubre una encuesta sobre los sentimientos de simpatía y rechazo entre las aficiones de los equipos de la Primera División de Fútbol en España.

La encuesta realizada por Ikerfel consistió en 1400 entrevistas personales a 70 seguidores de cada uno de los 20 equipos de Primera División. Los entrevistados señalaban sus tres equipos preferidos (después del propio) y los tres equipos que les generaban más antipatía. Los datos fueron ponderados en función del aforo medio de cada estadio, contando con un nivel de confianza del 95.5% y un error del 2.67%.

Los datos parecen mostrar un cambio de tendencia en la opinión de los aficionados.

• Un 44% menciona al Barcelona entre sus preferencias, frente a un 37% que menciona al Madrid. Entre los equipos que reciben la simpatía de los aficionados de otros clubes también destacan el Atlético, el Valencia, el Athletic y el Betis.
• Madrid y Barcelona son igualmente los que generan más rechazo entre los encuestados. El Sevilla es el tercero más antipático en términos de porcentajes, mientras que ocupa la primera posición en el diferencial de afectos y desafectos.

Los datos pueden examinarse como una red de atracción y rechazo entre los clubes de Primera División. A partir de la información sobre las elecciones y rechazos bilaterales proporcionados por AS, generamos sendas matrices valoradas. De esa forma se pueden reconocer algunos patrones de relación entre las aficiones:

• La red de rechazo está más definida, y en diferentes puntos de corte genera un tejido de relaciones más denso.
• Ambas redes están fuertemente polarizadas en torno a dos actores principales: el Real Madrid y el Fútbol Club Barcelona. En unos pocos casos los seguidores reparten sus simpatías entre ambos polos (v. gr. Betis, Granada, Mallorca, Málaga y Sporting), pero hay una clara tendencia a decantarse en un sentido o en otro.
• También existe un patrón territorial definido. En la red de simpatías, el Real Madrid es elegido por seguidores de otros equipos de Madrid y de Andalucía, mientras que el Fútbol Club Barcelona es designado por aficionados de Navarra y el País Vasco.
• Aplicando el algoritmo de Newman-Girvan, el subconjunto de equipos vascos y navarros conforman una comunidad diferenciada. Además de ciertas simpatías mutuas, comparten su predilección por el Fútbol Club Barcelona y un activo rechazo del Real Madrid.
• Las relaciones recíprocas más intensas –con más de un 50% de elecciones mutuas- se producen entre Athletic-Barcelona, Madrid-Rayo y Madrid-Getafe.
• Los rechazos bilaterales más fuertes se dan en los derbis Madrid-Barcelona, Sevilla-Betis y Madrid-Atlético de Madrid. Este tipo de enfrentamientos tiene un papel importante en la conformación de la red.
• Las alternativas condicionan el tipo de lazos que se desarrollan. No hemos examinado formalmente “la lógica del enemigo común”, pero los derbis parecen generar dinámicas en las que resulta difícil establecer puentes entre enemigos declarados.

Consulta los gráficos para observar los patrones más definidos de rechazo (en azul, primero) y simpatía (en verde, a continuación).

Para mencionar estos datos utilice la referencia:

Maya Jariego, I. & Bohórquez, R. (2011). Alternativas a la estadística tradicional en deportes de equipo. Indicadores de trabajo colectivo. XIII Congreso Andaluz de Psicología de la Actividad Física y el Deporte, 17 a 19 de noviembre, Sevilla.

• Descarga la matriz con los datos en formato Excel [Simpatías][Antipatías]

Technorati Tags: Athletic, Athletico de Madrid, Betis, Diario AS, FC Barcelona, Pattern recognition, Real Madrid, Sevilla FC, Soccer, social network analysis, Visualization

By Hellvetica @ohmgee

Las herramientas de visualización de grafos capturan a la perfección la tupida red de seguidores entre los usuarios de Twitter. Diversas aplicaciones permiten navegar por la red de contactos, trazar un mapa de las menciones recibidas por un término (o por un usuario), y representar la conexión entre conversaciones en Twitter. Mi preferido es twinkler, que produce un grafo animado de los contactos de un usuario, sirve para identificar grupos de manera eficiente y recomienda nuevos contactos.

La participación prolongada genera una dinámica de acumulación de contactos. Sin embargo, la investigación sobre Twitter parece otorgarle un papel clave al posicionamiento en las redes de comunicación (por encima de la lista de seguidores). Se trata de un núcleo de usuarios que despliega el eje de intercambio de mensajes entre los participantes. Estos son algunos de los datos más destacados:

• Sólo una pequeña fracción de los usuarios de Twitter son participantes activos, actualizando con cierta frecuencia su estado. La mitad de los usuarios escribe menos de una vez cada 74 días. Algunas cuentas apenas se utilizan después de haber sido dadas de alta, y es más frecuente observar que generar contenidos. De hecho, la mediana de tweets por usuario desde el momento de la suscripción es de sólo 1; mientras que el 10 por ciento de los usuarios genera el 90 por ciento de los contenidos.

• Los usuarios más populares en Twitter no son siempre los más influyentes. Los individuos mejor conectados, con alta centralidad de grado (indegree), no son necesariamente los que consiguen que sus contenidos sean mencionados por otros (retweets) o que su nombre de usuario sea citado. Tener muchos seguidores (followers), pese a ser un dato revelador, no es un indicador fiable de impacto e influencia.

• Como ocurre con otros sitios de networking, los participantes se comunican con un número comparativamente pequeño de seguidores. En torno al 25 por ciento de los mensajes se dirigen a otros usuarios, mostrando formas de comunicación directa. Curiosamente, el número de usuarios con los que se produce interacción predice mejor el grado de actividad de un usuario de Twitter que el número de seguidores de los que dispone.

Estos datos muestran claramente una distribución desigual de la actividad en Twitter. Tanto entre usuarios como por tipo de interacción. La producción de mensajes se concentra en un núcleo de participantes activos. Conectar y seguir a otros es más habitual que el intercambio de mensajes.

El resultado es que a veces los árboles no nos dejan ver el bosque. Las conexiones de followers conforman efectivamente una red densa de relaciones entre los usuarios. Sin embargo, esta red oculta el patrón de interacción más significativo: las pautas de conversación entre usuarios tienen una estructura bastante más dispersa y menos cohesiva.

Los usuarios que reciben más atención suelen ser más productivos en Twitter. La cantidad de mensajes que escribe un usuario se relaciona con el número de seguidores, pero depende de forma más clara del número de usuarios con los que intercambia mensajes. Como no podía ser de otro modo, la comunicación y la reciprocidad son más relevantes que el mero establecimiento de contactos.

El verdadero motor no es el contacto sino la interacción: se entiende que los usuarios más activos afirmen que Twitter “sólo se comprende cuando lo has probado”.

Technorati Tags: social network analysis, Social Networking Sites, Social Networks, Twitter, Visualization

Galería de redes personales

La galería gráfica de redes personales es una colección de más de 800 representaciones gráficas de otras tantas redes personales. Los grafos, realizados con UCINET/Netdraw, contienen información sobre la estructura, la composición y la multiplicidad de las relaciones. Las imágenes se han publicado en una cuenta de Flickr bajo una licencia Creative Commons que permite su libre reproducción, siempre que no se realicen alteraciones sobre el original y se cite la fuente de dicha información (CC 3.0 BY =). Los gráficos pueden utilizarse con fines divulgativos y formativos, y pueden constituir por sí mismo un material objeto de investigación. De hecho, fue originalmente utilizada en un estudio sobre el impacto de diferentes formas de visualización en la percepción de los informantes.

La galería gráfica forma parte de un proyecto más amplio de explotación de las bases de datos de redes personales. La descripción de cada estudio está disponible en el apartado Grafo y Data.

La divulgación de bases de datos contribuye al uso público de la información, con fines sociales y científicos:

• En primer lugar, poner los datos a disposición de otros investigadores acelera la generación de conocimiento científico. Permite aplicar diferentes aproximaciones al uso de los datos y, al mismo tiempo, comparar las estrategias y resultados de investigación. Facilita, por tanto, la colaboración científica.
• En segundo lugar, potencia el aprovechamiento de los recursos públicos de investigación. Es un uso eficiente de los datos. Aunque es una práctica relativamente poco extendida, las bases de datos creadas con financiación pública pueden mejorar el desarrollo de la investigación cuando son accesibles y las pueden utilizar otros investigadores. Generalmente esto ocurre después de un período reservado a la explotación por parte de quienes originalmente la han generado. Para ello es necesario preparar los datos de modo que sean utilizables por otros investigadores. En consecuencia, es necesario tener en cuenta, entre otros, los siguientes aspectos: el formato de los archivos informáticos, la descripción básica de la información recogida, las condiciones de utilización de la información, la información estadística descriptiva de cada base de datos, etcétera.
• Finalmente, mejora el impacto de los casos de estudio. Divulgar los datos genera publicaciones científicas, aumentando la visibilidad del estudio original. En este caso, el estudio del impacto de la movilidad en un contexto local sobre las redes personales puede mejorar en su difusión científica.

Technorati Tags: Data Release, Personal Networks, Relational Databases, Social Networks, Visualization

Argentina-Alemania (Susken Rosenthal, 2006)

En la Eurocopa de 2004 de Portugal en la lista REDES lanzamos una competición para ver quién era capaz de adivinar el ganador del torneo. Para ello contábamos con los datos que proporcionaba la UEFA sobre los pases de balón en los partidos de la primera fase. El desafío consistía en aplicar técnicas de análisis de redes sociales que permitiesen formular hipótesis sobre el resultado final. Todas las propuestas fueron razonadas e innovadoras. Se apostó por la transitividad local, por estrategias exploratorias de visualización o por el grado de intermediación promedio… Entre muchas otras cosas…

Como es sabido, Grecia ganó el campeonato con un juego ultra-defensivo. En nuestra peculiar quiniela no acertó nadie. “El fútbol es así”. Por más que nos pertrechemos con datos y estadísticas el resultado es incierto, y un árbitro puede echar por tierra, en unos segundos, horas de elucubración, táctica y estrategia. Cada partido dura noventa minutos y no hay enemigo pequeño.

Sin embargo, el ejercicio no fue en vano. Aprendimos, por ejemplo, que además de conocer la distribución del juego (la estructura de los pases de balón) es importante incorporar en la ecuación la disposición del otro equipo (!), atendiendo a la interceptación de pases y a las pérdidas de balón. Al fin y al cabo, el fútbol es un juego de “redes contra redes”. “Un partido lo juegan once contra once”.

En Argentina un grupo de estudiantes de antropología está aplicando este sistema de análisis en las divisiones inferiores del Arsenal Fútbol Club, de Sarandí, Buenos Aires. Describen la estructura del pase y utilizan indicadores de centralidad. Los primeros desarrollos -como los publicados en la Revista REDES- son de carácter exploratorio, pero muestran el tipo de indicadores y análisis que el enfoque de redes puede aportar a las estadísticas de fútbol. Por eso hace cosa de un año me dejaba llevar por el entusiasmo:

“Está claro que pronto veremos a los periodistas deportivos utilizando grafos para describir la dinámica de un partido… y a los entrenadores pidiendo el diagrama de los pases de balón del equipo al que se enfrentan el fin de semana…” [Lista REDES (Rediris), 12/3/2008]

El valor del trabajo que ha iniciado ARS Fútbol está en gran medida en la incorporación pragmática de las herramientas de análisis de redes en las prácticas de entrenamiento. El equipo de investigadores trabaja en colaboración con el entrenador. Aún aprovechando la base analítica de la metodología, hacer de adivinos con los indicadores de centralidad no es más que un juego. Sin embargo, el análisis y la visualización de redes se pueden utilizar, por ejemplo, en la evaluación del rendimiento individual y colectivo, en la presentación de tácticas de juego, en la interpretación de resultados e incluso como un apoyo más en el entrenamiento deportivo. Ahí es donde la herramienta muestra todo su potencial. Las redes en el fútbol tienen todo un camino por recorrer.

Technorati Tags: Pattern recognition, Soccer, social network analysis, Visualization