Análisis de Redes Sociales

El análisis de redes sociales (SNA, por sus siglas en inglés) es el estudio de las estructuras sociales mediante la teoría de grafos: representa a las entidades —personas, organizaciones— como nodos, y las relaciones entre ellas —amistad, colaboración, comunicación— como aristas. Conviene una advertencia: se trata del análisis estructural de redes, no de la gestión de perfiles en plataformas sociales. Su objeto es entender cómo la posición de cada actor en la red condiciona el flujo de información y la influencia.

Las métricas de centralidad

El corazón del SNA son las medidas de centralidad, que cuantifican la importancia de un nodo. El grado cuenta cuántas conexiones tiene. La intermediación (betweenness) mide cuántas veces un nodo hace de puente en los caminos más cortos entre otros dos, es decir, su papel como cuello de botella del flujo. La cercanía (closeness) refleja lo rápido que un nodo puede alcanzar al resto. Y la centralidad de vector propio puntúa a un nodo según la importancia de sus vecinos: no cuenta solo cuántas conexiones tiene, sino su calidad. El célebre PageRank es un pariente de esta última.

Comunidades, puentes y mundo pequeño

Sobre esa base se estudian fenómenos de estructura. La detección de comunidades busca grupos densamente conectados dentro de la red. La homofilia describe la tendencia a relacionarse con quienes se nos parecen. Los lazos débiles y los agujeros estructurales —conceptos ligados a Mark Granovetter y Ronald Burt— explican por qué los puentes entre grupos aportan información nueva. Y el efecto mundo pequeño, formalizado por Duncan Watts y Steven Strogatz en 1998, capta que en muchas redes reales dos nodos cualesquiera están separados por cadenas sorprendentemente cortas.

De dónde viene

Sus raíces están en la sociometría de Jacob Moreno, que en los años treinta introdujo el sociograma —el diagrama de puntos y líneas para representar relaciones entre personas—, y en la teoría de grafos que aporta el aparato matemático. John A. Barnes empleó «red social» en su estudio de una comunidad noruega de 1954. Después se incorporaron métodos más cuantitativos y estudios sobre difusión, organizaciones y búsqueda de empleo; ese recorrido es más preciso que atribuir el campo a una única fecha de nacimiento.

Su conexión con la IA

Hoy el SNA se cruza con la inteligencia artificial. Las redes neuronales de grafos (Graph Neural Networks) procesan representaciones de nodos, aristas y atributos globales respetando la estructura relacional, en vez de tratar cada fila como un ejemplo aislado. Un caso documentado son las R-GCN aplicadas a predicción de enlaces y clasificación de entidades. La arquitectura aporta un sesgo relacional, no una respuesta automática: recomendación, difusión o epidemiología requieren además definir qué representa cada nodo y arista, qué etiquetas existen y cómo se validará la predicción.