La teoría de redes sociales y un ejemplo de su aplicación en la pandemia de COVID-19

Por Colaborador Invitado, el 6 diciembre, 2021. Categoría(s): Actualidad

Seguro que cuando escuchas el término “red social” rápidamente se te viene a la cabeza alguna plataforma como Twitter, Facebook, Instagram o, en la actualidad, TikTok. Sin embargo, el término red social surgió hace bastantes años, concretamente, una de las primeras definiciones científicas de este término fue la realizada por Barnes en 1945 que decía [1]:

“Una red social es un conjunto de puntos, algunos de los cuales están unidos por líneas. Los puntos son personas o grupos, y las líneas indican que los individuos interactúan mutuamente. Así se podría pensar que el conjunto de la vida social genera una red de este tipo.”

Y es que, las redes sociales, como bien indica nuestro amigo Barnes, son aquellas que están formadas por personas, o grupos, y los lazos o relaciones que las unen con otras entidades. Las plataformas mencionadas en el primer párrafo se denominan redes sociales digitales.

Volviendo a nuestro concepto de red social, cabe destacar que existen una serie de componentes fundamentales que, sin ellos, no existiría tal red. Estos elementos son:

  • Actores: también llamados puntos, o nodos [2]. El actor designa la entidad social que forma parte de la red. Según Brass y colaboradores [3], el actor puede representar a personas pertenecientes a un grupo, equipos de trabajo dentro de una organización o ser organizaciones completas e incluso naciones.
  • Lazo relacional: representa un vínculo entre dos actores [2] y también se denomina “arista”, “arco”, “link” (enlace) [4] o “tie”. Estas conexiones, o vínculos, pueden ser relaciones de distintos tipos, por ejemplo:
    • Lazos de amistad [5], recusos materiales [6] o no mateirales, como la ayuda o la motivación [7], [8], movimientos migratorios [9], entre otros.

Además, según el vínculo que posean los actores de una red, es posible hablar de redes dirigidas (figura 1) y no dirigidas (figura 2).

Un ejemplo de red no dirigida sería aquella formada por personas que han mantenido una conversación. Por ejemplo, si A ha mantenido una conversación con B, entonces B también ha mantenido una conversación con A, con lo cual, la relación carece de dirección (figura 1). Por otro lado, una red dirigida podría ser aquella formada por personas que han enviado un correo a otras personas. Puede darse el caso de que A haya enviado un correo a B, pero B no haya enviado un correo a A (figura 2). Las redes sociales se pueden categorizar también por los tipos de actores que la conforman, pero eso lo dejaré para otro artículo, de momento con esto nos sirve.

Teoría de redes sociales y análisis de redes sociales (ARS)

Y quizá estarás pensando, que para qué sirve realmente todo esto. Permíteme que, terminada esta pequeña introducción al concepto de red social, te explique en qué consiste la teoría de redes sociales y el análisis de redes sociales (ARS).

La teoría de redes sociales es la confluencia de diferentes corrientes y teorías, antropológicas, psicológicas, e incluso de la matemática de grafos. El interés fundamental de esta teoría es el análisis de los lazos que vinculan a los miembros de una sociedad [10].

“La gente siente, piensa, hace, se manifiesta y tiene su origen en las pautas de relaciones que s producen entre los actores, sin la necesidad que los atributos personales sean el único origen de las pautas de comportamiento” [11].

El análisis de redes sociales (ARS) es el método formal utilizado para medir las redes sociales y, por lo tanto, los comportamientos sociales de los individuos en un determinado entorno [2]. El ARS analiza las relaciones y los contactos existentes entre aquellos miembros de una red que comparten algún tipo de interés, permitiéndonos examinar más allá de los atributos individuales y profundizar en los vínculos, para poder estudiar las relaciones que se establecen entre los individuos [12]. Es decir, la finalidad del ARS es analizar todo este conjunto de nodos y líneas que dan como resultado valores que representan lo que se conoce como cohesión, subrgupos, centralidad de nodos, composición de los nodos y su relevancia en la creación de enlaces.

Las medidas obtenidas mediante ARS se dividen principalmente en dos tipos:

  • Globales (a nivel de red): proporcionan información que permite evaluar la estructura global de la red. Aporta información sobre propiedades importantes de los fenómenos sociales que subyacen en dicha red. Son medidas globales:
    • Densidad, conceptos como multiplexity o propinquity, la homofilia (tendencia de los actores a formar vínculos con otros nodos de acuerdo a su similitud), etc.
  • Locales (a nivel de actores): todas ellas están basadas en el concepto general de centralidad o prestigio (redes dirigidas), con las que se idenifican a posición de los actores dentro de una red para intentar identificar a los actores clave. Son medidas locales:
    • Las medidas de centralidad: muestran la posición de un actor en la red según distintas métricas:
      • Grado (de entrada y salida)
      • Cercanía (de entrada y salida)
      • Intermediación
      • Prestigio

Para finalizar la introducción, expondré un par de ejemplos de redes según su grado de centralización:

En la red estrella (figura 3), es posible observar cómo existen 6 actores, o nodos, entre los cuales hay un actor central que se relaciona con los otros 5. Por ejemplo, esta relación podría ser la generada entre el jefe de una empresa y cinco directores de equipo. En la red de la figura 3, observamos que todos los actores poseen relaciones con cada uno de los otros actores, no se observa un actor que destaque sobre los demás, teniendo en cuenta esta métrica.

Un estudio de caso sobre las redes de estudiantes universitarios y la pandemia de COVID-19 utilizando un enfoque de análisis de redes sociales en residencias estudiantiles

Y ahora sí, introducido todo esto, me gustaría hablaros de un estudio que publicamos recientemente sobre ARS y COVID-19 en estudiantes universitarios [13].

La pandemia de COVID-19 ha provocado muchas modificaciones en la conducta de las personas desde su comienzo, y, también, ha afectado a la forma de enseñar y de aprender. Es obvio, y está demostrado científicamente, que los contextos en los que suceden adversidades, como la provocada por esta pandemia, ayudan a que las personas creemos modelos de comportamiento que se basan precisamente en las relaciones.  Por esta razón, nos pareció interesante analizar el comportamiento de los universitarios en función de su estructura social en el contexto de una pandemia como la que hemos vivido (y estamos viviendo).

Realizamos un estudio desde la perspectiva del ARS dentro de la comunidad universitaria en el que describir el comportamiento estructural de los estudiantes en las residencias universitarias durante la pandemia COVID-19, incidiendo sobre todo en los nodos más líderes de la red.

Recopilamos diferente información desde el 23 de octubre de 2020 hasta el 20 de noviembre de 2020 de 93 estudiantes diferentes, procedentes de cuatro colegios mayores. Tras la recogida de datos, aplicamos ARS a los datos y obtuvimos, entre otras cosas, el liderazgo en la residencia universitaria utilizando medidas de centralidad.

Tras los análisis, observamos que los estudiantes con mayor reputación social experimentan mayores niveles de contagio de la pandemia en relación con la infección por COVID-19. Se detectó que los estudiantes más destacados mostraron un mayor grado de intermediación, es decir, eran nodos importantes en la red porque unían subgrupos o subredes “diferentes” entre sí. Concretamente hubo tres estudiantes con un mayor grado de importancia en la red. Pero, todo esto, lo vamos a ver representado en forma de grafos mediante un par de figuras, que seguro que te resultan más interesantes y que te muestro a continuación:

(A) Red de estudiantes de 4 residencias distintas. Los colores representan la pertenencia a cada una de las cuatro residencias. (B) Red de estudiantes coloreada según el resultado de la PCR realizada a los estudiantes. En ambas figuras el tamaño representa el grado de intermediación de los actores.

Los grafos representados en la figura 5 muestran la red de estudiantes de distintas residencias que han tenido contacto entre sí. En la figura 5A es posible observar los estudiantes pertenecientes a cada residencia según el color de sus nodos, mientas que en la figura 5B el color representa si el test PCR realizado dio positivo (actores en rojo) o dio negativo (actores en verde). Además, el tamaño de cada nodo representa su grado de intermediación.

Red de estudiantes destacando el resultado de la PCR y enumerando los 3 actores más importantes de la red según el grado de intermediación.

En la figura 6 se ha distribuido la red destacando únicamente las relaciones entre los actores y sin separar las residencias a las que pertenecen. Tan solo observando el grafo, sin leer e interpretar los resultados numéricos, es posible observar cómo los actores que poseen un mayor grado de intermediación (los que están representados con círculos de mayor tamaño) suelen influir sobre los actores con los que se relacionan, en este caso, en su actitud hacia las medidas sanitaria preventivas que se dieron durante la pandemia. Los actores 1,2 y 3 están altamente relacionados, tuvieron una PCR+ y se relacionan fuertemente con actores que también acabaron dando positivo en PCR. Sin embargo, se observan pequeñas comunidades, una a la izquierda, formada por nodos que no dieron positivo, a pesar de que mantienen contacto entre sí, y también sucede así a la derecha de la imagen.

Gracias a este estudio se pudo concluir que el comportamiento en una red formada por estudiantes universitarios en los colegios mayores podría estar relacionado con el contagio en la pandemia de COVID-19. Y, todo esto, ¿a qué pudo ser debido? Posiblemente esté relacionado con los aspectos de similitudes entre los estudiantes, e incluso de líderes que conectan las subredes de convivencia.

El análisis de redes sociales es una herramienta que se está extendiendo cada vez más entre diferentes disciplinas pero, dentro del ámbito sanitario, juegan un papel muy importante, como se ha podido ver en este ejemplo.

 

Este artículo nos lo envían José Alberto Benítez Andrades, Doctor en Ingeniería de Producción y Computación por la Universidad de León, Profesor Ayudante Doctor del área de Ingeniería de Sistemas y Automática de la Universidad de León y Pilar Marqués Sánchez, Doctora en Nuevas Tendencias en Dirección de Empresas, Profesora Titular de Universidad del área de Enfermería de la Universidad de León.

Referencias y más información:

[1]     J. A. Barnes, «Class and Committees in a Norwegian Island Parish», Human Relations, vol. 7, n.o 1, pp. 39-58, feb. 1954, doi: 10.1177/001872675400700102.

[2]     S. Wasserman y K. Faust, Social network analysis : methods and applications, vol. 24. 1994. doi: 10.1525/ae.1997.24.1.219.

[3]     D. J. Brass, S. P. Borgatti, D. S. Halgin, Giuseppe. Labianca, y Ajay. Mehra, Contemporary perspectives on organizational social networks.

[4]     L. C. Freeman, «Centrality in social networks conceptual clarification», Social Networks, vol. 1, n.o 3, pp. 215-239, ene. 1978, doi: 10.1016/0378-8733(78)90021-7.

[5]     A. Mehra, B. R. Smith, A. L. Dixon, y B. Robertson, «Distributed leadership in teams: The network of leadership perceptions and team performance», The Leadership Quarterly, vol. 17, n.o 3, pp. 232-245, 2006, doi: https://doi.org/10.1016/j.leaqua.2006.02.003.

[6]    J. Galaskiewicz y R. S. Burt, «Interorganization contagion in corporate philanthropy.», Administrative Science Quarterly, vol. 36, n.o 1, pp. 88-105, 1991, doi: 10.2307/2393431.

[7]     M. Granovetter, «Economic Action and Social Structure: The Problem of Embeddedness», American Journal of Sociology, vol. 91, n.o 3, pp. 481-510, 1985.

[8]     P. Marqués-Sánchez, «Influencia de las redes sociales en el rendimiento de las organizaciones: un estudio en el sector sanitario», 2009, [En línea]. Disponible en: https://buleria.unileon.es/handle/10612/540?show=full

[9]     I. Maya-Jariego y D. Holgado, «Network analysis for social and community interventions», Psychosocial Intervention, vol. 24, n.o 3, pp. 121-124, 2015, doi: 10.1016/j.psi.2015.10.001.

[10]   H. M. Wellman, Child’s theory of mind. [publisher not identified], 1990.

[11]   C. Lozares, «La teoría de redes sociales», Papers. Revista de Sociologia, vol. 48, p. 103, ene. 1996, doi: 10.5565/rev/papers/v48n0.1814.

[12]   T. W. Valente, Social Networks and Health: Models, Methods, and Applications. Oxford University Press, 2010. doi: 10.1093/acprof:oso/9780195301014.001.0001.

[13]   J. A. Benítez-Andrades, T. Fernández-Villa, C. Benavides, A. Gayubo-Serrenes, V. Martín, y P. Marqués-Sánchez, «A case study of university student networks and the COVID-19 pandemic using a social network analysis approach in halls of residence», Sci Rep, vol. 11, n.o 1, p. 14877, jul. 2021, doi: 10.1038/s41598-021-94383-2.



Por Colaborador Invitado, publicado el 6 diciembre, 2021
Categoría(s): Actualidad