Artculo de investigacin

Alcances y lmites del anlisis de redes sociales en la

actualidad: una relexin sobre
tres deseables extensiones
Jorge E. Miceli*

Recibido: 11 de noviembre de 2010
Revisado: 16 de diciembre de 2010
Aprobado: 18 de enero de 2010
Resumen
El anlisis de redes sociales (ARS) ha experimentado un creci-
miento incesante en los ltimos aos, generando expectativas
de consolidacin que exceden nuestra capacidad relexiva. En
este artculo he abordado dos tipos de limitaciones devenidas de
distintas etapas de cualquier proceso investigativo. Por un lado
hago referencia a perspectivas epistemolgicas que implican
ciertas limitaciones al momento de pensar la investigacin sobre
redes sociales. Por el otro, tengo en cuenta algunas imposibilida-
des surgidas del desarrollo prctico del sotware y de los disposi-
tivos y heursticas de clculo usados. En particular, destaco aqu
las cuestiones relacionadas con la ausencia de una perspectiva
temporal en ARS, con el uso de la intuicin naturalista en la re-
presentacin de las redes y con la suposicin de la aleatoriedad
relacional como la norma tpica en las redes que de forma emp-
rica existen.

Palabras clave
Anlisis de redes sociales, aleatoriedad relacional, temporalidad,
intuicin naturalista.

* Licenciado en Ciencias Antropolgicas y magster en Anlisis del Discurso de la Universidad de Buenos Aires. Ejerce funciones como docente en
la misma casa de estudios y es adems un reconocido experto internacional y autor de publicaciones sobre redes sociales, lingstica y modelos
computacionales aplicados a la antropologa. Correo electrnico: jorgemiceli@hotmail.com

HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38 19

Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones

Scope and Limits of Social Network Analysis Today: a Relection on

Three Desirable Extensions
Jorge E. Miceli

Abstract
Social Network Analysis (SNA) has experienced constant Recibido: 11 de noviembre de 2010
Revisado: 16 de diciembre de 2010
growth in recent years, raising expectations of consolidation Aprobado: 18 de enero de 2010
that exceed our capacity for relection. I consider, in this ar-
ticle, two kinds of limitations which occur in diferent stages
of any research process. On the one hand, I refer to episte-
mological perspectives that involve certain limitations when
thinking about social networks research. On the other hand, I
consider some impossibilities arising from the practical deve-
lopment of sotware and used computing devices and heuris-
tics. In particular, I address here the issues related to the lack
of time perspective in ARS, the use of naturalistic intuition in
the representation of the networks and the assumption of typi-
cal randomness as the relational standard empirically existing
networks.

Keywords
Social network analysis, relational randomness, temporality,
naturalistic intuition.

20

Una diicultad inminente para realizar muchos
de nuestros trabajos e investigaciones es lo
que se denomina como aquella desviacin o
limitacin del pensamiento cientico que tiende
a reducir relaciones u objetos nuevos a los ya
conocidos. Debemos reconocer, y lamentar, que
este tipo de obstculo tiene una larga presencia
y un profundo peso en nuestra historia laboral.
Gastn Bachelard
Introduccin
Lejos de conformarse como una perspecti-
va esttica, y acompaado de un desarro-
llo impresionante del sotware asociado
a su implementacin, el anlisis de redes
sociales (de aqu en adelante ARS) ha ex-
perimentado un crecimiento incesante en
los ltimos aos, generando expectativas
de consolidacin que exceden largamente
a la capacidad relexiva de sus practicantes.
En otro momento he sealado algunos in-
convenientes relacionados con la tendencia
global a reiicar esta perspectiva y otorgarle
cierta infalibilidad a su desempeo (Mice-
li, 2008), pero me interesa, en este espacio,
destacar algunas especiicidades que hacen
a los lmites del ARS en su ejercicio profe-
sional reciente.
La constatacin de estos lmites no es, ni
remotamente, un proceso enteramente in-
ventivo de mi parte. Algunas veces me he
basado en comentarios externos y otras en
enfatizaciones y precisiones de mi auto-
ra, pero lo que me interesa es poner estas
cuestiones en el centro de la escena y que
motiven una relexin de los profesionales
del ARS.
Entiendo, en este sentido, que hay dos tipos
de limitaciones devenidas de distintas eta-
pas de cualquier proceso investigativo. Por
HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38
Jorge E. Miceli
un lado hay perspectivas epistemolgicas
que implican ciertas limitaciones al momen-
to de pensar investigaciones de redes socia-
les. Estas posiciones conciernen al momento
del planeamiento de una investigacin, pero
se proyectan fuertemente al resto de las fa-
ses de este proceso. En segunda instancia
existen imposibilidades surgidas del desa-
rrollo prctico del sotware y de los disposi-
tivos y heursticas de clculo usadas, lo que
ha sesgado el curso de las investigaciones
hacia territorios muy transitados de los cua-
les cuesta cada vez ms apartarse. El efecto
general de todas estas constricciones es que
cada vez ms el ARS aparece como una he-
rramienta cuya capacidad de producir en-
foques novedosos, atravesado ya de cierto
deslumbramiento inicial, aparece considera-
blemente mitigada.
En este espacio me ocupar de algunas limi-
taciones epistemolgicas que asigno como
obstculos centrales en la evolucin del
ARS. Estas limitaciones no son excluyentes
de otras que tienen una dimensin tcnica
ms directa y casi urgente, como por citar
algunos ejemplos, el subdesarrollo del an-
lisis de redes de ms de un modo, de las re-
des de relaciones negativas o el soslayo de
la dimensin atributiva en el anlisis pero,
por limitaciones contextuales, no las tocar
aqu. Por otro lado, cabe aclarar que el ca-
rcter epistemolgico de estas constriccio-
nes no le quita su traduccin fuertemente
tcnica en el plano del sotware disponible:
las extensiones que planteo cuentan casi sin
excepcin, con un soporte inexistente, bas-
tante pobre o poco integrado en el plano de
los programas informticos que facilitaran
su difusin.
Sin embargo, no pretendo que esta sem-
blanza implique relexiones meramente
21
Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones

crticas. A la par que intento destacar lo que En 1998, Laszlo Barabasi, Jeong y Al-
todava no se ha hecho, el concepto de una bert, trabajando en la realizacin de un
mapa de la Web, albergaban la razona-
posible extensin conlleva la potenciali-
ble esperanza de que el grafo obteni-
dad evidente de un rumbo a seguir. do en sus anlisis fuera similar a una
red con enlaces distribuidos al azar.
La extensin Ello involucraba una distribucin de
hacia lo no aleatorio: frecuencia de enlaces de los nodos en
el cuestionamiento los que coincidiera aproximadamente
la media, la mediana y el modo, con
del azar relacional como forma similar a una curva normal o
la condicin predominante de Gauss, es decir, con muchos nodos
de las redes reales con una cantidad de enlaces cercanos
a la media y bastantes menos pginas
Sabemos que hasta hace poco tiempo ha- en ambos extremos de las frecuencias
distribucin de enlaces. Para su sorpre-
ba muy poca investigacin centrada en las sa encontraron que la gran mayora de
diferentes topologas de redes existentes, las pginas de la Web tena menos de 4
y dentro del ARS clsico era posible calcu- enlaces mientras un 0,01 %, tena ms
lar la densidad, contar sus componentes de 1.000, pero tambin advirtieron que
este desequilibrio o inequidad distribu-
y medir su dimetro, pero no demasiado
tiva pareca ser esencial para sostener la
ms que esto. En lo que tiene que ver con conectividad total que exhiba Internet.
la forma general de las redes empricas se La distribucin de pginas con cierta
supona que la abrumadora mayora de cantidad de enlaces segua lo conocido
como Ley de potencia, haciendo que
ellas deberan mostrar enlaces al azar. Esta
la probabilidad de que algn nodo est
visin apriorstica, sustentada en parte en conectado con k otro nodo sea propor-
la intuicin matemtica y en el valor de uso cional a 1/k elevado a la n. Tal distri-
de los modelos disponibles, tornaba factible bucin no tiene un pico como la curva
aplicar los algoritmos especicamente dise- normal, sino que es una funcin conti-
nuamente decreciente y si se dibuja en
ados para grafos enlazados al azar por el
un grico con una escala doble logart-
matemtico hngaro Paul Erds hace unos mica aparece como una lnea recta (Ba-
40 aos. Como he dicho en otro momento: rabasi, et l., 2003) (Miceli, 2007, p. 8).

22
 Jorge E. Miceli

Figura 1. Representacin estndar de redes ron a descubrir redes libres de escala en mu-
aleatorias e independientes de escala chos dominios (enlaces entre aeropuertos,
cableado elctrico, relaciones sexuales entre
A) Aleatoria
personas, coautoras de artculos). Barabasi
y Albert intentaron explicar esta ubicuidad
A de las redes en el mundo real, y lo hicieron
apelando a dos mecanismos: crecimiento y
enlace preferencial. Su formulacin sostiene
que las redes independientes de escala van
number of links per node

B creciendo con el tiempo y los nuevos nodos

que se adosan se enlazan preferentemente
con los ya existentes en funcin de su nme-
ro previo de conexiones. Estos mecanismos
number of nodes

Fig. 3. Randomly connected network. (A) Each node has links to other
bastan para explicar el surgimiento de las
nodes; the number of links per node is not the same for every node, but
varies in a random manner. (B) If the number of links per node is plotted
against the number of nodes with any particular number of links, a Gaussian
redes independientes de escala, su manteni-
distribution is obtained. The largest number of nodes have a mean or average
number of links, and most other nodes in the network have number of links
close to this mean. Only few nodes have a very large number of links (right miento en diferentes tamaos (escalas de la
side of curve), and likewise, only a few nodes have a very small number of
links (left side of curve).
red) y tambin su presencia muy frecuente.

El caso es que los descubrimientos de Ba-

B) Independiente de escala rabasi y Albert afectaron seriamente lo que
se pensaba sobre las redes reales, al pun-
to que de a poco su estudio empez a de-
mostrar que la aleatoriedad es un muy mal
modelo de ellas. Por otro lado, el concepto
de mundo pequeo aplicado a las redes ha
recibido un impulso decisivo de la mano de
A Duncan Wats, quien estudiando la topolo-
log number of links per node
number of links per node

B C ga de estructuras reticulares reales, ha lo-

grado desentraar el modo en que, en los
casos estudiados, aquellas que tienen estas
caractersticas cuentan con una navegabili-
dad elevada y una resistencia a los ataques
number of node log number of node

Fig. 4. Scale-free network. (A) Most nodes have very few links, but a few hubs

mucho mayor que las que muestran con

have many links, creating a star-shapped structure. (B) When the number of links
per node is plotted against the number of nodes an inverse or Power Law relationship
is observed. (C) If the logarithms of these values are plotted, a straight line is obtained.

conformacin aleatoria (Wats, 2004).

Fuente: Smith Andrew P. en Small Word, Big Cosmos,
recuperado desde [htp://207.44.196.94/~wilber/smi-
Entonces, las investigaciones de Wats tu-
th17.html].
vieron un doble correlato terico y em-
Este tipo de red se conoce como Indepen- prico; a nivel terico implican que el
diente de Escala (Scale-Free Network) ya recableo de una red convencional, de tra-
que no tiene un valor tpico bien deinido zado regular, puede producir rpidamente,
(una escala que la caracterice) dentro del como muestra la igura 2, una estructura de
cual su morfologa sea reconocible. Despus pequeo mundo con slo algunos cami-
del trabajo pionero de Barabasi se empeza- nos agregados.

HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38 23

Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones
Figura 2. Grilla Regular y Grilla Regular recableada de Strogatz-Wats
Fuente: Reynoso, 2008.
A nivel emprico estos hallazgos implicaron
la constatacin de que las redes ms resis-
tentes son aquellas que estn clusteriza-
das, es decir, aquellas en las cuales la distri-
bucin de conexiones es fundamentalmente
desigual. Como sostiene Carlos Reynoso:
La primera leccin a sacar aqu, epis-
temolgicamente hablando, es que el
azar es un pobre modelo de las estruc-
turas de red que se encuentran en la
vida real; ms todava, lejos de consti-
tuir una heurstica til, el azar es en es-
tos escenarios un modelo inhibidor que
impide abordar y comprender estruc-
turaciones esenciales de la realidad.
Las estructuras de los pequeos mun-
dos son todo lo contrario al ruido blan-
co; son adems coniguraciones tan
robustas como delicadas, invisibles al
muestreo y a la percepcin sincrnica.
Dado que una sensible mayora de los
mtodos estadsticos en diversas disci-
plinas presuponen que la muestra de
base est regida por el azar y es repre-
sentativa del conjunto, corresponde tal
vez repensar o tomar con extremada
24
prudencia dichos mtodos cuando de
redes y complejidad se trata (Reynoso,
2008, p. 132).
Es sorprendente constatar, en deinitiva,
que el aluvin de las redes libres de esca-
la o de pequeo mundo se ha extendido a
diferentes campos, cuestionando de mane-
ra absoluta el predominio de la aleatoriedad
incluso en el plano de la qumica o la fsica
de luidos.
No me interesa en este espacio constatar
la genealoga de estas ideas, que remon-
tan, por lejos, al legendario experimento de
Stanley Milgram de 1967 acerca de los seis
grados de separacin, y que se pierden en
una maraa de referencias literarias bastan-
te anteriores. Tampoco me interesa postular
la prevalencia apriorstica de estas redes o
de las aleatorias o regulares como genera-
doras de hiptesis nulas. Lo que sealo, sin
embargo, es la necesidad de comenzar a co-
locar al anlisis de las distribuciones emp-
ricas de las redes como uno de los aspectos

centrales de su estudio, ya que implican
supuestos estadsticos y generativos de dis-
tinto tipo. En deinitiva, diferentes conigu-
raciones actuales de las redes, la mayora de
ellas alejadas del simple azar, pueden remi-
tir a diferentes historias de su evolucin, y
eso ha sido soslayado en una medida no to-
lerable en los abordajes convencionales de
ARS.
La extensin hacia lo no
intuitivo: la necesidad de
construir redes que superen
el mapeo naturalstico de
nodos y lazos
En la mayora de las implementaciones
cienticas y de consultora, las redes ma-
peadas se corresponden con propiedades
autoevidentes de nodos y lazos, cuando al
menos en su expresin potencial cualquier
cosa puede cumplir estos roles. A pesar de
que el ARS suministra una plataforma rei-
nada para analizar los datos reticulares, los
problemas de diseo de estas redes y su tri-
vialidad terica no son problemas atribui-
bles al mtodo, sino a la transposicin natu-
ralstica que se hace de la informacin real.
En efecto, por ejemplo, si analizamos rela-
ciones entre personas, parecera que no hay
que dedicarse un segundo a pensar en pro-
fundidad los supuestos de isomorismo en
la representacin de esta red, ya que aque-
llas entidades que se nos imponen per-
ceptivamente (las personas y sus lazos) van
a ser objeto de representacin directa. De
esta forma, todas las maneras en que crea-
tivamente se puedan concebir estas estruc-
turas reticulares, considerando como nodos
a algo distinto a las personas y como rela-
ciones a algo distinto a las conexiones de
intercambio o parentales, por ejemplo, son
HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38
Jorge E. Miceli
pasadas por alto sin meditar sobre las con-
secuencias globales de estas exclusiones.
Desde que los motivos de esta operatoria no
son nada triviales cognitivamente, y deben
tener que ver con la eicacia de los grafos
como dispositivos didcticos de alto impac-
to visual. Sin embargo, nos encontramos
aqu con una limitacin seria al momento
de improvisar nuevas formas de ver las co-
sas, y es la fuerte carga empirista del ARS
como dispositivo de anlisis.
El rtulo redes sociales implica, incluso,
una seria implicacin realista. En rigor de ver-
dad, la teora de grafos reconoce aplicaciones
que exceden largamente a objetos de estudio
a realidades sociales, pero la nocin usual de
red social conlleva, en su interpretacin
tcnica, supuestos que a poco de examina-
dos resultan errneos: en efecto, los nodos
pueden ser cualquier cosa, no slo grupos de
personas, clubes o pases, sino lo que conce-
bimos como relaciones o incluso aquello que
normalmente caliicamos como atributos de
una estructura.
Como veriicamos en esta cita de Wikipedia,
toda la terminologa de anlisis de redes tie-
ne un sesgo naturalstico que afecta notable-
mente el tipo de conclusiones a extraer:
Los analistas estudian la inluencia del
todo en las partes y viceversa, el efec-
to producido por la accin selectiva
de los individuos en la red; desde la
estructura hasta la relacin y el indivi-
duo, desde el comportamiento hasta la
actitud. Como se ha dicho, estos an-
lisis se realizan bien en redes comple-
tas, donde los lazos son las relaciones
especicas en una poblacin deinida,
o bien en redes personales (tambin
conocidas como redes egocntricas,
aunque no son exactamente equipara-
bles), donde se estudian comunidades
25
Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones

personales. La distincin entre redes les, etc. En tercer lugar, el concepto de red
totales/completas y redes personales/ egocntrica no remite formalmente a redes
egocntricas depende mucho ms de
personales, sino a los lazos que se vinculan
la capacidad del analista para recopi-
lar los datos y la informacin. Es decir, a un nico nodo especico por vez y ms
para grupos tales como empresas, es- all de lo que sean estos nodos. Desanclar
cuelas o sociedades con membreca, el la deinicin de lo que es una red, de estas
analista espera tener informacin com- airmaciones de sentido comn es acaso el
pleta sobre quien est en la red, sien-
do todos los participantes egos y alteri mayor desafo pendiente, pero los benei-
potenciales. Los estudios personales/ cios pueden ser amplios.
egocntricos son conducidos general-
mente cuando las identidades o egos se Como ejemplo de las posibilidades que ge-
conocen, pero no sus alteri. Estos estu- nera un diseo no naturalstico, cito un caso
dios permiten a los egos aportar infor-
abordado por matemticos para solucionar
macin sobre la identidad de sus alteri
y no hay la expectativa de que los dis- un problema concreto:
tintos egos o conjuntos de alteri estn
vinculados con cada uno de los otros Dada una coleccin de circuitos [tours]
(Wikipedia, recuperado el 28 de julio de camiones de recoleccin de basura
de 2010 desde [htp://es.wikipedia.org/ es posible asignar cada circuito a un
wiki/Red_social]). da de la semana (que no sea domin-
go), tal que si dos circuitos visitan un
sitio en comn lo hagan en diferentes
En trminos ms estrictos, este tipo de
das? [...].
comentarios invoca ideas muy sesgadas
respecto a qu elementos pueden ser con- Para formular este problema en trmi-
siderados nodos o vrtices y cules lazos nos de teora de grafos, si G es el grafo
o vnculos. En un repaso muy breve tene- de circuito (el grafo cuyos vrtices son
los circuitos) y si existe una arista entre
mos accin selectiva de los individuos en
dos circuitos s y slo si ellos visitan un
la red, lazos en una poblacin deinida, sitio en comn, el problema es equiva-
redes personales (...) como sinnimo de lente al que sigue: es posible asignar a
redes egocntricas, etc. Todas estas air- cada vrtice (circuito) uno de los seis co-
lores (das), de modo tal que si dos cir-
maciones implican una visin fuertemente
cuitos se unen con una arista (visitan un
lineal de la aplicacin del ARS, traduciendo sitio en comn) obtienen colores dife-
a un orden matricial relaciones que parecen rentes? Esta pregunta deviene entonces:
evidentes en el plano emprico. El incon- es el grafo en cuestin 6-colorizable?
veniente ms importante derivado de esta (Roberts 1978, p. 49 & Reynoso 2009).
concepcin es la desproblematizacin con-
Para intentar esquematizar este problema,
ceptual en la construccin primaria de la
el obstculo ms inmediato que enfrenta-
red, ontologizando componentes que me-
mos aqu es concebir el grafo que representa
receran una interpretacin no naturalsti-
a este diseo de modo intuitivo, lo que se
ca. En este caso, la accin selectiva podra
nos ocurre es asignarles a las calles el papel
estar referenciada en grupos y no en indivi-
de lazos, y a los encuentros entre ellas el de
duos, o en dadas o tradas de ellos, etc. Por
nodos. A lo sumo, como seala Reynoso, se
otro lado, lo que se denomina poblacin
pueden invertir estas asignaciones, pero la
podra ser un conjunto de eventos, de per-
representacin sigue siendo naturalstica
tenencias de clase, de iliaciones territoria-
aunque cambien los roles.

26

Tabla 1. Tipos de representacin asociados al problema de la recoleccin de basura
Representacin naturalstica
directa o de primer orden
Nodos: esquinas
Lazos: calles
El algoritmo por el cual se resuelve este
problema, recurriendo a la teora de grafos
y no al ARS, subvierte y cuestiona esta l-
gica, anclada en la representacin usual del
lenguaje. En el escenario de esta solucin,
los nodos se convierten en circuitos, y las
aristas o lazos se producen cuando dos cir-
cuitos visitan un sitio en comn. Los das
de la semana, indicadores de una represen-
tacin diacrnica del tiempo, se instancian
en el modelado de red como seis nodos di-
ferentes que coinciden con cada uno de los
circuitos (menos el domingo).
Como observamos en la tabla 1, la genera-
cin de una representacin no naturalstica
de la red no tropieza con obstculos cogniti-
vos menores, ya que la deinicin de nodos
y lazos implica pensar en conceptos que
vinculan de manera antiintuitiva objetos de
la vida cotidiana. Un nodo es aqu un obje-
to formal compuesto por sitios enlazados a
travs de trayectos autnomos, y el lazo se
produce cuando dos circuitos se intersectan.
En la igura 3, en deinitiva, cmo la repre-
sentacin del problema puede virar desde el
grico de la izquierda, que constituye una
transicin formal derivada de una primera
HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38
Jorge E. Miceli
Representacin naturalstica
Representacin no naturalsitca
indirecta o de segundo orden
Nodos: circuitos que enlazan
Nodos: calles
sitios
Lazos: esquinas Lazos: sitios visitados en comn
imagen naturalista, hacia una esquemati-
zacin completamente alejada de lo que se
intuye sobre una red, que es la mostrada en
el dibujo de la derecha. En esta ltima los
caminos que se visualizan, y que permiten
resolver el problema del recorrido comn,
pensando en trminos mucho ms eicaces,
son en realidad sitios en comn que dos cir-
cuitos cualesquiera tienen entre s.
Una de las diicultades ms importantes
aqu es romper con las constricciones lin-
gsticas y mentales que hacen que pense-
mos a los nodos como puntos individuales
y a los lazos como sucesiones de puntos,
porque eso nos transforma en esclavos de
una geometra proyectiva que impone lmi-
tes a la lexibilidad de la representacin.
La coloracin de grafos, que es la discipli-
na que se encarga de resolver estas cuestio-
nes, ha evolucionado independientemente y
conforma acaso un episodio ms de la diver-
gencia actual que Reynoso seala entre teo-
ra de grafos y teora de redes sociales, que,
luego de aquel origen comn sustentado en
la invencin euleriana, han tomado caminos
bastante dismiles.
27
Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones

Figura 3. Diagrama de caminos y expresin simpliicada

B
tour B

A C
tour A
tour D
tour C

F D
tour F

tour E E

Fuente: Reynoso, 2008.

Estimo que un gran progreso sera, para el para este objetivo es que los analistas de
anlisis de redes, incorporar modalidades redes no slo plantean sus problemas
de representacin no naturalistas, pero creo de modo naturalista, sino que usan pro-
que es necesario hacer dos sealamientos gramas confeccionados desde el ARS
respecto a la productividad relativa de este y no desde la teora de grafos. Me pre-
esfuerzo: gunto, en este sentido, la trasposicin
naturalista ha impregnado no slo la
Los planteos de coloracin de grafos concepcin conceptual de la red, sino
responden, sin dudas, a estrategias re- sus dispositivos bsicos de anlisis.
solutivas que operan clasiicando los
modos de recorrer una estructura, pero A pesar de estas observaciones se debe
habra que especializar estos algoritmos reconocer que se han desarrollado muy
para procedimientos de anlisis y diag- buenos estudios con diseos reticulares
nstico que deben ser replanteados, a de orden naturalista, y no debemos de-
estos efectos, como tentativas de so- jar de lado para nada ese camino. Todos
lucin, por ejemplo, de un problema los estudios clsicos de redes sociales de
taxonmico o categorial ms complejo. la Escuela de Manchester, el clsico estu-
Esta operatoria es accesible en trminos dio de Padget de las familias lorentinas
algortmicos tericos, pero muy poco (Padget, 1999), y hasta los hallazgos de
accesible en trminos concretos en tanto Mark Granoveter sobre los lazos dbiles
no se genere sotware que la incorpore han sido plasmados con estas perspecti-
al stock de procedimientos de anli- vas, aportando importantes progresos
sis. Un inconveniente nada desdeable a las ciencias sociales a nivel tcnico-

28

metodolgico e introduciendo noveda-
des conceptuales de alto impacto terico
(Granoveter, 1973). Si nos proponemos
incorporar los hallazgos de la teora de
grafos al ARS, tendramos que contem-
plar la complementariedad funcional
con las perspectivas preexistentes.
La extensin hacia la
diacrona: la necesidad de
priorizar la temporalidad
en los anlisis
convencionales
La diacrona es otra asignatura pendiente
del anlisis de redes, pero recin ahora es-
tamos teniendo conciencia de las dimensio-
nes de esta constriccin.
Si bien el sotware SIENA (Simulation In-
vestigation for Empirical Network Anli-
sis), por ejemplo, dispone de interfaces in-
formticas para mapear redes en el tiempo,
sus aplicaciones no se han difundido y hoy
en da el ARS sigue siendo un dispositivo de
anlisis eminentemente sincrnico.
Recin con la introduccin de los modelos
basados en cadenas de Markov, que supera-
ron a los viejos modelos estadsticos de tipo
loglinear, la dinmica temporal ha adquirido
el marco de desarrollo acorde a su relevancia
intrnseca (De Federico, 2005, pp. 155-156).
En este sentido, cabe recordar que este mo-
delo de anlisis y su sotware asociado, ba-
sados en la idea de cadenas markovianas y
desarrollado por Tom Snjders (2001-2005)
proponen un modelo estadstico de anli-
sis de datos longitudinales para redes tota-
les (De Federico, 2005, pp. 155-156).
Si bien el modelo Siena est basado en estos
principios, muestra, a mi entender, una se-
HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38
Jorge E. Miceli
rie de importantes limitaciones operativas y
epistemolgicas:
1) Depende de la carga estadstica com-
pleta de al menos dos momentos de
la red, ya que no tiene capacidad ge-
nerativa autnoma1. Esto implica que
el sotware opera con base a datos co-
rrespondientes, al menos dos instan-
cias temporales, y trata de inducir, de
manera exploratoria, las causas de las
variaciones entre estas etapas (De Fede-
rico, 2005, pp. 155-156), pero no puede
generar libremente y a partir de par-
metros especicos, las fases interme-
dias anteriores o posteriores de la red.
2) Implica presupuestos de evolucin alta-
mente cuestionables, entre ellos, la idea
de que los actores tienen un conoci-
miento total del estado de las relaciones
en la red2, o la idea de que todos los
actores tienen la misma probabilidad de
realizar un cambio (De Federico, 2005,
p. 159). Estos presupuestos no se pue-
den parametrizar, sino que fuerzan con-
diciones de funcionamiento ijas para
todos los procesos.
3) No es una interfaz abierta de progra-
macin, una plataforma de desarrollo,
1 Segn De Federico: Se consideran datos longitudinales de redes
totales siguiendo una serie temporal x(t), t t {t1, , tM} para, en
principio, un nmero constante de actores {1, , n}. Los momentos
de observacin estn ordenados: t1 < t2, < < tM. El nmero M de
observaciones es por lo menos 2. (De Federico 2005: 157).
2 En relacin a este supuesto, y como seala la misma autora El pos-
tulado sobre el conocimiento total de la estructura de la red por los
actores no es en absoluto realista, particularmente para grandes re-
des. Es muy difcil conocer el estado preciso de las relaciones entre
actores de una red, como mucho, es posible representarse su esta-
do, lo que bien puede no coincidir con la realidad. Para las relacio-
nes de carcter privado, por ejemplo las relaciones de amistad, que
pueden desligarse del contexto inicial de formacin, no siempre es
posible conocer la existencia de un lazo particular entre dos perso-
nas ms all de su relacin cordial, incluso cuando su interaccin es
parcialmente observable (De Federico, 2005, p. 161).
29
Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones

sino que conforma un paquete cerrado for short-term projects can give rise to
de opciones que permiten inferir induc- a variety of large-scale network struc-
tures over time. It is an adaptation of
tivamente causas de variacin a partir
the team assembly model presented by
de una serie cerrada de alternativas. Guimera, Uzzi, Spiro & Amaral (2005).
The rules of the model draw upon ob-
4) No ofrece un paquete de anlisis inte- servations of collaboration networks
grado al modelo ms all de los parme- ranging from Broadway productions
to scientiic publications in psycholo-
tros que regulan los procesos de cambio.
gy and astronomy. Many of the gene-
ral features found in the networks of
Sin dudas que el modelo SIENA es una va creative enterprises can be captured
interesante de trabajo, pero al no conformar- by the Team Assembly model with two
se como una completa plataforma de desa- simple parameters: the proportion of
rrollo, y al ser una herramienta de inferencia newcomers participating in a team and
the propensity for past collaborators to
no generativa, no personalizable y de prop- work again with one another (Bakshy
sito global (no orientada a casos), sus pres- & Wilensky, 2007).
taciones ofrecen importantes lmites para el
estudio de dinmicas procesales especicas. Como sabemos, el anlisis de redes cienti-
cas ha sido un campo loreciente de anlisis
Lo que est introduciendo un cambio, en reticular, dando lugar a la rama conocida
este aspecto, es el enfoque reticular basado como bibliometra (Crane, 1972).
en agentes, en el cual las redes se despliegan
en el tiempo y comienzan a implicar prin- Como sostiene Jos Luis Molina, los cole-
cipios generativos de diferente tipo. Esto gios invisibles pueden deinirse dentro de,
habilita la posibilidad de vincular estructu-
una tradicin de estudios iniciada por
ralmente tipos de fenmenos empricos con
D.J. Solla Price (Litle Science, Big Scien-
procesos generativos por un lado, y tipos de ce, 1963, citado en Callon, 1995), segn
redes por el otro. la cual la investigacin cientica parece
seguir una curva en forma de S (curva
Los ejemplos que se ajustan a esta perspec- logstica) en la que es posible identiicar
tiva son bastantes en el caso del sotware una etapa inicial de aparicin del para-
digma, una segunda etapa de multipli-
NetLogo3, en la actualidad, en una platafor- cacin de las contribuciones y, asociada
ma de desarrollo capaz de incluir a las redes a la aparicin de colegios invisibles o
como uno de sus principios generativos. crculos de investigadores inluenciados
por unos pocos investigadores de alta
Aqu solo expondr, por obvias cuestiones productividad, una tercera fase de ma-
durez y una ltima de estancamiento.
de espacio, las particularidades del mode-
lo Team Assembly, que como sealan sus Estos trabajos se basan principalmente
autores: en el recuento de citas, aunque tambin
incluyen, como es el caso del trabajo de
illustrates how the behavior of in- Crane, otros tipos de relaciones (direc-
dividuals in assembling small teams cin de tesis doctorales, comunicacin
informal e inluencia en la seleccin de
problemas).
3 Desarrollado por Uri Wilensky para el Center for Connected Lear-
ning and Computer-Based Modeling (CCL) de la Northwestern Uni-
versity de Evanston, Illinois, EE.UU.

30

Crane asimila colegio invisible a cr-
culo social, en el sentido que los inte-
grantes de un crculo social solamente
conocen a una parte del total pero es-
tn inluidos por personas con las que
no estn conectadas directamente. Por
conectividad entiende la existencia
de un camino que uno a dos cienticos
en una direccin determinada, inde-
pendientemente de su longitud. Por
tanto, el nfasis de esta aproximacin
se centra en el establecimiento de la
red total en la cual se hayan insertos
los autores, sean conscientes o no, y en
el clculo de la conectividad existente
(Molina, et l., 2002, p. 2).
La red de colegios invisibles, como campo
de investigacin autnomo, tiene en cuenta
estas redes de inluencias que pueden ser
directas e indirectas, y que generan comple-
jas estructuras en su evolucin.
Sin embargo, el abordaje de estos vnculos
en el tiempo no haba sido considerado,
hasta ahora, como objeto de estudio aut-
nomo. Siendo el crecimiento de las redes
cienticas un fenmeno harto conocido por
la comunidad acadmica, las preguntas so-
bre el proceso generativo que las crea, sobre
los factores diferenciales que inciden en su
desarrollo, slo podan ser planteadas hasta
ahora de modo indirecto y a travs de fotos
parciales sometidas a toda la batera de cl-
culos del ARS.
Las nuevas interfaces de modelizacin de
estos procesos proveen la posibilidad de pa-
rametrizar a voluntad la evolucin de una
red, chequeando los cambios que experi-
menta ante combinaciones inditas de estos
valores. En este caso, en cada nueva instan-
cia de la red, un nuevo equipo de investi-
gacin se conforma. Los miembros de cada
equipo pueden ser novatos (newcomers)
investigadores que no tienen participacin
HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38
Jorge E. Miceli
previa en ningn equipo, o titulares (in-
cumbents), cienticos que tienen experiencia
previa trabajando en otros equipos. Hay en
estas simulaciones dos parmetros centra-
les que van regulando los eventos del pro-
ceso; el primero (P) es la posibilidad de que
cada miembro nuevo sea titular; el segun-
do (Q) determina la probabilidad de que el
nuevo miembro, si no es novato, sea elegi-
do del conjunto de colaboradores previos
de alguien titular que ya est en el equipo.
De otra forma, el nuevo miembro ser ele-
gido aleatoriamente dentro de los titulares
de cualquier proyecto. Cuando un proyecto
nuevo es creado, todos los miembros estn
vinculados entre s. Si un agente no partici-
pa en un nuevo equipo durante un perodo
prolongado de tiempo, el agente y sus enla-
ces se quitan de la red. Los agentes reunidos
en un nuevo equipo son de color azul si son
recin llegados, y amarillo si son titulares.
Los crculos grises ms pequeos represen-
tan a los que no estn colaborando actual-
mente. Los enlaces indican la experiencia de
los miembros en su poca ms reciente de
colaboracin. Por ejemplo, los vnculos en-
tre los agentes de color azul indican que dos
agentes colaboraron como recin llegados.
Los enlaces verde y amarillo corresponden
a colaboraciones especicas entre titulares y
recin llegados, y entre titulares y titulares,
respectivamente. Por ltimo, los enlaces ro-
jos indican que los agentes han colaborado
entre s varias veces.
En cada momento del tiempo, que aqu
tratamos como pasos, un nuevo equipo
conformado por cuatro miembros se suma
a la red existente. El tamao de cada nuevo
equipo de investigacin puede ser regulado
de manera parametrizada, modiicando el
parmetro team size.
31
Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones

Figura 4. Tipos de colaboracin en redes cienticas segn modelo de Team Assembly

Vnculo recin llegado / recin llegado Investigador recin llegado

Vnculo titular / recin llegado Investigador titular

Vnculo titular / titular Investigador sin colaboracin actual

Vnculos mltiples entre agente y agente

Otro aspecto parametrizable es la variable colaboraciones hasta que llegue el momento

que se designa como MAX-DOWNTIME, del retiro. Lo interesante aqu es cmo la ges-
que establece el nmero de etapas o el tiem- tacin de la red puede ser observada en un
po en que el agente permanecer en la red sin tiempo simulado que sustituye al tiempo real:

Figura 5. Pasos 1, 2 y 3 en evolucin de la red de Team Assembly

En el primer paso se generan dos conglo- En la tercera etapa un investigador recin

merados, uno de investigadores sin cola-
boracin actual coloreados de gris, y otro
conglomerado formado por recin llegados
coloreados de azul.
En el segundo momento un investigador ti-
tular opera de nexo entre el conglomerado de
recin llegados y el de investigadores sin cola-
boracin, y el conglomerado de investigado-
res sin nexos, ya existente, permanece aislado.
llegado se transforma en titular, uniendo a
recin llegados con investigadores sin co-
laboracin. Aqu ya surge, como huella de
colaboraciones sucesivas, un lazo de color
rojo (de colaboracin mltiple) entre los dos
nodos titulares de la red, que fortalecen sus
vnculos en el centro de la trama.

32

Figura 6. Coniguracin de la red de Team
Assembly transcurridas 46 iteracciones de una
simulacin estndar
En el transcurso del tiempo, y como vemos
en la igura 6, nuevos conglomerados se van
sumando y generando dos dinmicas de
agrupamiento bsicas: por un lado, inves-
tigadores que pertenecen a un componente
central, y en segunda instancia, otros que
quedan aislados en regiones desconectadas
de la red mayor.
Figura 7. Graicacin acumulativa de conteo de
tipos de lazos de la red de Team Assembly
La acumulacin relativa de tipos de lazos se
puede ver en el monitor de la igura 7. Cla-
ramente, los lazos que corresponden a los
recin llegados forman el grueso de la den-
HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38
Jorge E. Miceli
sidad de la red, seguidos por los de titular/
recin-llegado, los de titular-titular, y
aquellos que genricamente reieren a rela-
ciones repetidas en el tiempo.
Por otro lado, como vemos en la igura 8, el
porcentaje de los agentes que forman parte
del componente gigante decrece con el
tiempo, lo que indica la creciente fragmen-
tacin de la red de acuerdo a los parmetros
con que se corri esta simulacin, que son un
40% para la posibilidad de elegir un titular, y
un 65% para la posibilidad de que si se elige
un titular, ste sea un colaborador previo.
Figura 8. Graicacin del porcentaje de agentes
en el componente gigante de la red de Team
Assembly
El modelo captura dos caractersticas bsi-
cas de las redes de colaboracin que pueden
inluir o frenar la innovacin en las empre-
sas creativas mediante la variacin de los va-
lores de P y Q. La primera es la distribucin
del tipo de conexin entre los colaboradores,
que se puede ver en la trama el conteo de
tipos de lazos. Un exceso de los vnculos del
tipo recin llegado-recin llegado (graica-
do con azul) podra indicar que un campo
no se est aprovechando de los miembros
con experiencia. Por otra parte, una multi-
tud de colaboraciones de repeticin (rojo)
33
Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones
o de enlaces del modo recin llegado-titu-
lar (amarillo) pueden relejar una falta de
diversidad en las ideas o experiencias. El
segundo atributo es la conectividad global
de la red de colaboracin. Por ejemplo, de
muchos campos acadmicos se dice que se
componen de colegios invisibles de comu-
nidades acadmicas conectadas entre s. Por
el contrario, las redes de patentes tienden a
constituirse en sectores aislados, formando
cadenas de inventores.
Como muestra la igura 9, el tamao pro-
medio de los componentes de la red sufre
grandes oscilaciones, pero tiende, con dis-
continuidades, a decrecer y estabilizarse
por lo bajo en el tiempo.
Figura 9. Graicacin del promedio de tamao de
componentes de la red de Team Assembly
Este tipo de modelos tambin permite ver
las diferentes topologas emergentes en la
pantalla. Las nuevas colaboraciones o la
sinergia entre los equipos tienden natu-
ralmente a ubicarse hacia el centro de ella,
y los equipos o grupos de equipos con po-
cas conexiones a nuevas colaboraciones
lotan en los bordes de esta estructura-
mundo. Los recin llegados se ubican, por
cuestiones de programacin del modelo,
siempre en el centro, pero los titulares, que
son escogidos al azar, pueden ser ubicados
34
en cualquier parte de la pantalla. Por lti-
mo, la estructura de redes de colaboracin
en el modelo puede cambiar drsticamen-
te con el tiempo. Inicialmente, slo nuevos
equipos se generan, ya que en el mbito de
colaboracin no ha existido el tiempo sui-
ciente para que los miembros se retiren. Sin
embargo, despus de un perodo de tiempo,
los agentes inactivos empiezan a retirarse,
y el nmero de agentes se vuelve relativa-
mente estable, los efectos emergentes de P
y Q se hacen ms evidentes en esta etapa de
equilibrio. El inal de la etapa de crecimien-
to est frecuentemente marcado por una
cada en la conectividad de la red.
Las preguntas que formula este diseo, con
las simpliicaciones del caso, son sustancio-
sas, e implican principios generativos que
un anlisis tradicional de redes por deini-
cin excluye.
Es positivo para este intercambio de cono-
cimientos aumentar las exigencias de incor-
poracin de miembros, haciendo que slo
los colaboradores se busquen nicamente
entre los ms experimentados?
Qu tipo de red genera una obsolescencia
relativamente exigente, aqu representada
por el tiempo de tolerancia para el retiro?
Cmo afecta la formacin de pequeos
conglomerados separados la evolucin con-
junta de la red y la transmisin de saberes?
La asociacin de una coniguracin reticu-
lar con un tipo de proceso generativo arroja,
a travs de una induccin controlada, pistas
que el enfoque clsico de ARS no contempla.
La primera pregunta, por ejemplo, im-
plica la simulacin con un alto porcen-
taje de titulares exigidos para iniciar

equipos (86%). La corrida del modelo
arroja resultados contundentes; no hay
fragmentacin general, y todos los agen-
tes se integran en un gran componente.
En cuanto a la distribucin de los lazos,
predominan aquellos que marcan rela-
ciones mltiples y repetidas en el tiem-
po entre agente y agente, y prcticamen-
te no hay vnculos con agentes nuevos.
En trminos ms simples, sta es una
red elitista con un alto grado de densi-
dad interna, lo que implica tanto un en-
vejecimiento de la poblacin de expertos
como un aumento continuo del prome-
dio del tamao de los componentes.
El segundo interrogante se traduce al
modelo de manera simple, disminu-
yendo el perodo de tiempo impuesto
para expulsar a un miembro de la red
y volviendo a los valores estndar. Lo
que sucede es claro; cuando se expul-
san agentes con mayor frecuencia, la
red se mantiene cohesionada sin ms
remedio, porque los colaboradores pro-
ducen o tienen que irse.
La tercera pregunta, por el contrario,
demanda la simulacin con un muy
bajo porcentaje de titulares exigidos
para iniciar equipos (6%). Las conse-
cuencias son concluyentes: la red se
fragmenta, y muy pocos agentes for-
man parte del componente central.
Esta es una red muy poco elitista, muy
propensa a la innovacin, pero tambin
muy poco conectada. La alta compo-
nentizacin, y el tamao muy pequeo
de los grupos, hace que la circulacin
de saberes se vea restringida.
Con este ejemplo, el vnculo entre una con-
iguracin de red y un proceso generativo
ofrece directivas claras:
HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38
Jorge E. Miceli
La mayor exigencia de elegir cienticos
titulares reduce la fragmentacin de la
red, pero evita la diversiicacin temtica.
La menor exigencia de elegir cienti-
cos titulares aumenta la fragmentacin
de la red y aumenta la diversiicacin
temtica.
La disminucin de la exigencia de pro-
duccin continua fragmenta prema-
turamente la red, haciendo que una
periferia de cienticos poco activos per-
manezca en el sistema.
Quizs no es tan sencillo traducir estos re-
sultados a conclusiones que tengan una in-
terpretacin directa en trminos de polticas
pblicas, pero algunas condiciones para su
evolucin empiezan a estar claras: si quere-
mos redes con buen lujo de saberes y una
edad de investigadores aceptable, ni muy
alta ni muy baja, conviene ser moderados
en las condiciones temporales para exigir
el retiro de los investigadores (no imponer
perodos ni muy cortos ni muy largos), pero
ser ms bien exigentes en cuanto a la in-
corporacin de cienticos titulares para los
nuevos equipos. Aunque los titulares sean
escasos en relacin con los recin llegados,
mantendrn unidos a los equipos y evitarn
la fragmentacin de la red.
A pesar de lo prometedor de estas mode-
lizaciones, varios requisitos aparecen pen-
dientes respecto de la evolucin futura del
ARS y las redes diacrnicas:
Vincular ms amigablemente las inter-
faces de desarrollo de modelos a los
profesionales del anlisis de redes, ex-
poniendo esqueletos o frames de con-
iguracin a los especialistas que quie-
ran dedicarse a profundizarlos.
35
Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones
Integrar los dispositivos de anlisis a
estos modelos, incorporando las m-
tricas bsicas (intermediacin, grado,
cercana, anlisis de cliqus, etc.), a las
prestaciones de creacin de redes.
Introducir, a la usanza del modelo SIE-
NA, dispositivos de inferencia estads-
tica sustentados en la evolucin de las
redes. En la actualidad, no hay paquetes
de sotware que integren la simulacin
generativa, caracterstica de los mode-
los basados en agentes, con la simula-
cin inferencial, sustentada en el modelo
SIENA.
Algunas conclusiones
provisionales sobre la
factibilidad de estas
extensiones
A pesar del espacio comn concedido a este
breve repaso, advierto diferentes relaciones,
en cada uno de estos apartados especicos,
entre la perspectiva epistemolgica, la pers-
pectiva analtica y el sotware demandado:
En el caso de la extensin hacia lo no
aleatorio hay un importante desarrollo
de la epistemologa y el andamiaje ana-
ltico, pero todava no hay un sotware
que coloque en el centro el anlisis dis-
tribucional de las redes para extraer con-
clusiones de sus topologas. Por ahora,
diferentes redes no aleatorias pueden ge-
nerarse con los paquetes estndar, como
Pajek, ORA y otros, pero no hay un apa-
36
rato analtico volcado a la catalogacin
de redes cargadas por los usuarios.
En el caso de la extensin hacia lo no in-
tuitivo, la perspectiva posible est slo
bosquejada, pero no hay un andamiaje
analtico consolidado fuera de la teora
de grafos, y mucho menos un sotware
que pueda soportar globalmente este
tipo de clculos y representaciones.
En el caso de la extensin hacia la dia-
crona, tanto la perspectiva como el
andamiaje analtico existen en la actua-
lidad, pero el sotware y las herramien-
tas de trabajo no estn integrados en un
nico paquete, ya que las simulaciones
inferenciales (SIENA) estn separadas
de las plataformas de desarrollo con
capacidad simulatoria generativa (Net-
Logo y otros).
Retomando en parte el concepto bachelar-
diano de obstculo epistemolgico, pode-
mos decir que nos hemos encontrado, en
estos tres casos, con diferentes limitaciones
cognitivas que han contribuido a retrasar
el desarrollo de las extensiones propues-
tas. En efecto, tanto la tradicin estadstica
basada en la aleatoriedad relacional, como
la concepcin naturalista de la idea de red
y, en una medida algo menor, la relativa
ausencia de un aparato analtico capaz de
integrar relacionalmente sucesiones tempo-
rales, han sido responsables de este triple
coninamiento naturalstico, aleatorista y
sincrnico del ARS contemporneo.
 Jorge E. Miceli

Referencias
Bachelard, G. (1993). La formacin del espritu Miceli, J. (2008). Los problemas de vali-
cientico [1948]. Mxico: Siglo XXI Edi- dez en el Anlisis de Redes Sociales:
tores. algunas relexiones integradoras. Re-
vista hispana para el anlisis de redes
Bakshy, E. & Wilensky, U. (2007). NetLogo
sociales, Vol. 14, No. 1. Recuperado
Team Assembly Model. Recuperado des-
desde [htp://revista-redes.rediris.es/
de [htp://ccl.northwestern.edu/netlo-
html-vol14/vol14_1.htm].
go/models/TeamAssembly]. Center for
Connected Learning and Computer- Molina, J.L., et l. (2002). Redes de publi-
Based Modeling, Northwestern Univer- caciones cienticas: un anlisis de la
sity, Evanston, IL. estructura de coautoras. Revista hispa-
na para el anlisis de redes sociales. Vol. 1,
Barabasi, L. & Bonabeau, E. (2003). Scale-Free
No. 3. Recuperado desde [htp://revista-
Networks. Scientiic American, Vol. 50.
redes.rediris.es].
Barabasi, L. (2003). Linked. New York: Plume.
Padget, J. (1999). John Padget application for
Callon, M., et l. (1993). Cienciometra. El es-
SFI Research Professor. Recuperado en
tudio cuantitativo de la actividad cientica:
julio de 2007 desde [htp://home.uchica-
de la bibliometra a la vigilancia tecnolgi-
go.edu/~jpadget/papers/si/prop.pdf].
ca. Gjn: Trea.
Reynoso, C. (2009). Grafos contra natura: Im-
Crane, D. (1972). Invisible Colleges: Difusion
genes y modelos formales versus la prisin
of Knowledge in Scientiic Communities.
del lenguaje (indito).
Chicago: University of Chicago Press.
Reynoso, C. (2008). Redes libres de escala
De Federico, A. (2005). El anlisis dinmico
en ciencias sociales: signiicado y pers-
de redes sociales con SIENA: mtodo,
pectivas (indito). Recuperado desde
discusin y aplicacin. Empiria, Revista
[htp://www.analisisredes.com.ar/htm/
de metodologa de ciencias sociales, No. 10.
Redes%20libres%20de%20escala%20
Granoveter, M. (1973). The Strength of Weak en%20ciencias%20sociales%20La%20
Ties. American Journal of Sociology, No. 78. Plata.htm].
Guimera, R., et al. (2005). Team Assembly Roberts, F. (1978). Graph Theory and its Appli-
Mechanisms Determine Collabora- cations to Problems of Society. Filadelia:
tion Network Structure and Team Per- SIAM.
formance. Science, Vol. 308, No. 5722,
Snjders, T. (2001). The Statistical Evaluation
Recuperado desde [htp://amaral.nor-
of Social Network Dynamics. In: M. E.
thwestern.edu/Publications/Papers/
Sobel & M. P. Becker (Comp.). Sociologi-
Guimera-2005-Science-308-697.pdf].
cal Methodology. Boston London: Basil
Miceli, J. (2007). Redes libres de escala y su Blackwell.
uso en el anlisis de datos etnogricos:
Snjders, T. (2005). Models for Longitudinal
el caso de la comunidad Tehuelche del
Network Data. In Carrington, J. Scot,
Chala. En: Exploraciones en antropologa
& S. Wasserman (Comp.). Models and
y complejidad. Buenos Aires: SB.
Methods in Social Network Analysis. New
York: Cambridge University Press.

HALLAZGOS / Ao 8, nm. 15 / Bogot, D.C. / Universidad Santo Toms / pp. 19-38 37

Alcances y lmites del anlisis de redes sociales en la actualidad: una relexin sobre tres deseables extensiones

Wats, D. (2004). Six Degrees: the Science of a

Connected Age. London: Vintage.
Wilensky, U. (1999). NetLogo. Center for Con-
nected Learning and Computer-Based
Modeling, Northwestern University,
Evanston, IL. Recuperado desde [htp://
ccl.northwestern.edu/netlogo/].

38