Blog de Fernando Santamaría

Reflexiones sobre ecologías y espacios del aprendizaje, análisis del aprendizaje y análisis de redes sociales, visualización de datos, Big Data y otros temas emergentes

Etiqueta: investigación

Aprendizaje por indagación personal

Según la entrada de la Wikipedia la Investigación basada en el aprendizaje (Enquiry-based learning, aprendizaje inductivo de aprendizaje en el inglés británico) o basado en la investigación científica (Inquiry-based science) describe una serie de enfoques filosóficos, curriculares y pedagógicos de la enseñanza. Este aprendizaje basado en las pesquisas o investigaciones tiene un carácter circular. Sus procesos son circulares.

La investigación basada en el aprendizaje es un método de enseñanza desarrollado durante el movimiento de aprendizaje por descubrimiento de la década de 1960 y el aprendizaje basado en problemas (ABP), que partió de los profesionales y docentes de universidad en la década de 1960 en la McMaster University en medicina (en las siguientes décadas se fueron confirmando las investigaciones en ABP).
Ha sido desarrollado en respuesta a la percepción de un fracaso de las formas más tradicionales de enseñanza, donde los estudiantes tenían que simplemente memorizar hechos puestos en los materiales de instrucción. El aprendizaje por investigación es una forma de aprendizaje activo, donde el progreso de los estudiantes se evalúa al desarrollar habilidades experimentales y analíticas en lugar de memorizar  conocimientos y relacionarlos.

Uno de los primero en poner la experiencia como forma de aprendizaje fue John Dewey. Hace más de 100 años propone la investigación como base de aprendizaje para la enseñanza de las ciencias. También defendió que esas experiencias deben ser estudiadas por los propios estudiantes buscando evidencias de lo investigado, con los estudiantes como aprendices activos preguntan a las que realmente quieren saber la respuesta, y que la realización de esas investigaciones se deben relacionar con sus propias necesidades e intereses, y discutir los hallazgos emergentes con colegas y expertos.

Se ha pasado de la investigación guiada (2007) a la investigación personalizada y autorregulada por el propio aprendiz de ahí la palabra “Personal”. En el ámbito educativo es pertinente la relación con los PLNs y en el ámbito organizacional tiene que ver con PKM (Personal Knowledge Management) o la visión más evolucionada de Mohamed Amine Chatti de Personal Knowledge Network (PKN).

Un aspecto central de este tipo de aprendizaje de indagación personal es que los estudiantes, individualmente y colectivamente, deben apropiarse del proceso de investigación. Para que esto suceda deben tener una clara comprensión del proceso y de su agencia en la adquisición de los conocimientos científicos. Deben llegar a conocer qué tipo de preguntas son científicamente apropiado, cómo pueden ser enmarcados como consultas válidas, que pueden encontrar y confiar en informantes expertos como científicos, ¿qué tipo de estudios son apropiados, por qué es importante recoger datos fiables, cómo pueden estos ser analizados y presentados como pruebas válidas, y cómo los resultados de una investigación pueden ser compartidos y discutidos. Una pregunta típica puede comenzar con una clase en línea donde un profesor ayuda a los alumnos a formar y perfeccionar sus preguntas, continúe en casa o al aire libre con los alumnos en esa recolección y visualización de datos, y luego volver a la configuración formal para compartir los resultados y el presente.

Si los alumnos se espera para participar en los procesos de aprendizaje según el modelo de las prácticas científicas, necesitan herramientas que les ofrecen las facultades de investigación iguales a las de los científicos. Toolkits Tales servicios de información son cada vez más asequibles como teléfonos móviles se conviertan en instrumentos científicos equipados con sensores integrados, cámara, grabadora de voz y un ordenador potente.

Los estudiantes también deben entender y participar en todo el proceso de investigación, como se muestra en la ilustración. Algunos puntos a tener en cuenta a partir de esta representación son los siguientes: una investigación puede comenzar en cualquier fase (por ejemplo, mediante el análisis de la evidencia de otra persona), el proceso forma un ciclo, con la reflexión que sugiere otros temas a investigar, a pesar de que hay una progresión sistemática de una fase de consulta a la siguiente, esto no es un fijo orden de actividad, las fases están interconectadas así. Por ejemplo, la pregunta o hipótesis inicial se revisa después de la evidencia que se ha recogido.

Aunque el aprendizaje investigación pone de relieve la responsabilidad de los alumnos para plantear  investigar a partir de preguntas, sino que también hace hincapié en que estas son habilidades que deben ser aprendidas, por lo que el profesor tiene un papel crucial en la orientación y el apoyo al ciclo de indagación. Esta toma de conciencia ha llevado al desarrollo de kits de herramientas para los profesores y los alumnos para gestionar el proceso de investigación y para acceder y compartir conjuntos de datos de gran tamaño (nquire).

El proyecto de investigación personal ha explorado cómo un profesor y los alumnos pueden estar equipados con herramientas personales para organizar el proceso de investigación (no sólo los toolkits, sino que aquí entra en juego un diseño de tu red personal de aprendizaje, véase Personal Learning Networks). El objetivo es apoyar el proceso de investigación completo y permitir una transición fluida de un maestro que trabaja con los estudiantes para seleccionar las preguntas adecuadas y para planificar una investigación, a través de los estudiantes de forma individual o en equipos. También es importante la recopilación de datos en una variedad de localizaciones con el software que proporciona controles de precisión y su método. Todos los datos e informaciones se comparten colectivamente, también el análisis y discusión de los resultados.

Uno de los primeros proyectos en el Reino Unido fue “Enquiring Minds”, desarrollado e implementado de forma curricular en algunas escuelas de UK. Exploran un enfoque más activo para la enseñanza y aprendizaje que es relevante para la vida de los estudiantes modernos y permite desarrollar ciertas habilidades. Se pasa de una pedagogía de la transmisión a una pedagogía de la investigación. En esta, se parte que los estudiantes tienen un determinado conocimiento para construir e investigar con el apoyo de los docentes:

  • Tienen control sobre su propio pensamiento y se encuentran motivados ya que lo ven como propio.
  • Ayuda a los estudiantes a organizar su propio aprendizaje.
  • Generar un pensamiento más analítico y cuando se atascan deben interpretar la situación y el contexto.
  • Mueve a los estudiantes al campo de la creación de conocimiento, alentandolos a organizar e interpretar la información.
  • Mejora el pensamiento y los procesos de la investigación, de cómo hacerlo.
  • Genera un ambiente colaborativo y activa al estudiante a trabajar juntos.

Otro proyecto es Personal Inquiry (PI) [y un informe en pdf], realizado por la Universidad de Nottingham y la Open University. En su web reza:

El objetivo es que los niños entiendan por sí mismos y al mundo en que viven, a través de un proceso científico de recopilación y valoración de las pruebas hechas, en la realización de experimentos y participar en un debate informado. Los portátiles, monitoreados y apoyados por su profesor, guiarán a los estudiantes a través de las actividades, que pueden cambiar en función del perfil y las aportaciones de cada parte toma de forma individual. Sus actividades se basan en torno a temas  – Yo, mi entorno, mi comunidad – que se dedican a los jóvenes estudiantes en la investigación de la salud, la dieta y el estado físico, su entorno inmediato y sus entornos más amplios. Estos temas son los elementos clave del nuevo plan de estudios de la ciencia de este siglo, también requiere que los niños razonen acerca de las ciencias de la naturaleza como un sistema complejo y explorar cómo las personas se relacionan con el mundo físico.

Para poder formarnos en ello la universidad P2PU esta creando un curso al respecto para facilitadores o profesores. Se trata de “Teaching in Personal Inquiry Learning Environments“.  Este curso le permitirá al maestro a ser un estudiante “translucido” junto a estudiantes individuales, para personalizar los planes de aprendizaje con los estudiantes, para convertirse en un experto en la investigación en ambientes de aprendizaje pequeños, para aprovechar el poder de la tecnología, de individualizar la instrucción, y para conectar estudiante a expertos mentores.
WISE” es un entorno de investigación científica libre donde los estudiantes pueden examinar la evidencia del mundo real y participar en el debate científico. Guías basadas en la web de software a los estudiantes para reunir evidencia, colaborar y reflexionar, con herramientas para la visualización de datos, modelado, simulación y evaluación.
Otro proyecto de investigación personal es LETS GO, que está desarrollando un conjunto de herramientas de “investigación abierta” para la colaboración móvil en investigaciones al aire libre (una parte de mi concepto de #eduvida).
Y otro proyecto más es SCY, donde los estudiantes trabajan en misiones de investigación apoyados por los modelos en web y simulaciones para analizar los datos y artefactos que surgen del proceso de aprendizaje. En constante feedback (técnicas de aprendizaje colectivo/collective learning)

Las investigaciones recientes sobre la investigación del aprendizaje  ha puesto de manifiesto algunos desafíos. Los estudiantes pueden ser motivados para abordar las cuestiones de significado personal, pero esto requiere una investigación de fondo, la planificación cuidadosa y la autogestión de los procesos de aprendizaje complejos. Se ha demostrado que es difícil generar preguntas que se pueden explorar con las herramientas disponibles y en el medio ambiente circundante, lo que lleva a la repetición de proyectos para medir la calidad del agua o la contaminación del aire, por ejemplo. También existe lo que Edwards y Mercer (1987) denominaron  el “dilema” del profesor, donde un profesor puede tener que actuar en contra de la práctica de una clase establecido por retener respuestas en interés de mantener a los estudiantes autodirigidos en la investigación. Sin embargo, los estudiantes esperan a los expertos para dar respuesta (propiciado por el ambiente educacional que han recibido y por la fuerza de la costumbre. Los estudiantes de la Facultad de Educación, por ejemplo, harán en sus aulas lo que hayan visto y percibido de sus profesores), por lo que no pueden tolerar los intentos de un maestro/facilitador para proponer preguntas abiertas o dicen como estrategia que no saben la respuesta correcta.

Una dificultad se presenta en la integración de los resultados del trabajo de campo de nuevo en la actividad en el aula. No sólo habrá dificultades técnicas de la fusión y el intercambio de datos, sino también el profesor tiene que improvisar en torno a los resultados que surjan. Esa improvisación disciplinado presenta el desafío de construir una sesión de enseñanza en torno a la experiencia de los estudiantes colectivo de oficio.

Las dificultades que los educadores se enfrentan en aplicar el aprendizaje en parte de la investigación de una contradicción entre la forma en que se espera que se enseñe y cómo aprendieron con su profesorado, que sigue estando dominado por las pedagogías tradicionales, y una actividad de la ciencia basada en la práctica suele cubrir sólo un fragmento de una investigación. Una posible alternativa sería la de guiar a los educadores que perciben su trabajo como un lugar de investigación, lo que plantea interrogantes sobre el aprendizaje de sus alumnos, proponiendo conjeturas sobre cómo apoyar el aprendizaje, la formulación de estos diseños como el aprendizaje y la implementación y la evaluación de estos diseños.

Por el futuro, es una oportunidad para promover una amplia participación pública en la investigación científica mediante la combinación de ciencia ciudadana con la investigación basada en el aprendizaje. A través de tecnologías web sociales para la organización de grupos de personas con intereses comunes, los voluntarios podrían formar equipos para proponer e investigar cuestiones comunes, con métodos que van desde los experimentos de psicología online y las encuestas, las observaciones del mundo natural. Una indicación de cómo se puede hacer esto es la comunidad iSpot, actualmente con más de 18.000 usuarios registrados, que participa en el intercambio y la interpretación de las observaciones de la vida silvestre. Si las instalaciones se puede agregar a proponer preguntas y manejar el proceso de investigación, las personas sin formación científica formal será capaz de actuar como equipos de investigación y explorar la ciencia que afecta a sus vidas.

Referencias:
Informe donde se ha copiado mucha información:

VV.AA. (2012). Innovating pedagogy 2012: Exploring new forms of teaching, learning and assessment, to guide educators and policy makers. London: The Open University. Recuperado 24 julio, 2012 de http://www.open.ac.uk/personalpages/mike.sharples/Reports/Innovating_Pedagogy_report_July_2012.pdf

 Más fuentes sobre aprendizaje por investigación:

Anderson, E. R. (1975). Personal Inquiry in the Classroom: An Alternative Approach to Educational Research. Report No. 76-5. Retrieved from http://www.eric.ed.gov/ERICWebPortal/contentdelivery/servlet/ERICServlet?accno=ED113395

Bonnstetter, R. J. (1998). Inquiry: Learning from the Past with an Eye on the Future. Electronic Journal of Science Education, 3(1). Retrieved from http://ejse.southwestern.edu/article/view/7595

Colin Milligan. (2009, March 2). Collective Learning and Charting, Allison Littlejohn. Retrieved from http://www.slideshare.net/caledonianacademy/collective-learning-and-chartin

Edwards, D. and Mercer, N. (1987) Common Knowledge: The Development of Understanding in the Classroom. London: Methuen.

KUHLTHAU, C., MANIOTES, L., & CASPARI, A. (2007). Guided Inquiry: Learning in the 21st Century. Greenwood Publishing Group.

LETS GO: Learning Ecology with Technologies from Science for Global Outcomes. (2008).CeleKT. Retrieved from http://www.celekt.info/projects/show/20

Paavola, S., Lipponen, L., & Hakkarainen, K. (2004). Models of Innovative Knowledge Communities and Three Metaphors of Learning. Review of Educational Research, 74(4), 557–576. doi:10.3102/00346543074004557

Reader Idea | Personal Inquiry Projects With The Learning Network. (n.d.).The Learning Network Blog. Retrieved August 30, 2012, from http://learning.blogs.nytimes.com/2012/06/15/reader-idea-personal-inquiry-projects-with-the-learning-network/

Reigeluth, C. M. (1999). Instructional-design Theories and Models: A New Paradigm of Instructional Theory. Routledge.

University of Nottingham/ The Open University. (2010). Personal Inquiry (PI): Designing for Evidence-based Inquiry Learning across Formal and Informal Setting.

Wikipedia contributors. (2012, August 29). Inquiry-based learning. Wikipedia, the free encyclopedia. Wikimedia Foundation, Inc. Retrieved from http://en.wikipedia.org/w/index.php?title=Inquiry-based_learning&oldid=509762841

Tópicos emergentes para la investigación en redes sociales

Este es un trabajo de clasificación que he ido desarrollando e invirtiendo tiempo para dilucidar y comprender mejor mi labor como asesor en redes sociales en organizaciones y universidades en países iberoamericanos. He intendado dar una serie de tópicos a través de las investigaciones hechas desde los años 50 del siglo pasado. Algunos de los tópicos (hibridados e interdisciplinares) que suelen ser uso frecuente en datos tomados de redes sociales.:

Análisis estadístico de redes sociales: uno de los trabajos pioneros en este campo es el experimento de Milgram. Creo que es uno de los primeros trabajos de un análisis amplio de datos con propiedades estructurales a gran escala. Es la investigación más frecuente y común.  La conducta de la conectividad de los nodos se examina para ver si la mayor parte de los nodos tienen pocas conexiones, con muchos “hubs” o si los grados están distribuidos más igualmente. Se examina el comportamiento del agrupamiento de los nodos en redes sociales típicas. Otro tema importante en este tópico son las características temporales típicas de las redes sociales. Por ejemplo, examinando cómo varía la estructra a medida que crece la red. Dado que la red evoluciona a lo largo del tiempo, se puede añadir a la red nuevas entidades, aunque ciertas propiedades del grafo puedan continuar retenidas a pesar de esto. También se examina la conducta y distribución de las componentes del grafo.

Caminos aleatorios y sus aplicaciones en redes sociales: la clasificación jerárquica en redes [ranking] es uno de los métodos mejor conocidos en la búsqueda en web. Empezando con bien conocido algoritmo PageRank de Google para clasificar documentos web, el principio más amplio se puede aplicar para buscar y clasificar entidades y actores en las redes sociales. El algoritmo de PageRank usa técnicas aleatorias para el proceso de clasificación. La idea es que el enfoque del camino aleatorio [trayectorias vitales de las que hablo en #eduvida y que tienen sus algunso marcos teóricos como aprendizaje experiencial y aprendizaje biográfico de Peter Alheit) se usa en la red  en orden a estimar la probabilidad de visitar cada nodo. Esta probabilidad se estima como el PageRank. Claramente, los nodos que están estructuralmente bien conectados tienen un PageRank alto y también son, naturalmente, de gran importancia. Las técnicas de camino/trayectoria aleatoria también se puden usar para personalizar el proceso de cálculo del PageRank polarizando el rango hacia tipos particulares de nodos y sus influencias.

Otro aspecto de investigación es la serindipia que emerge en el análisis de las trayectorias en redes sociales dinámicas.

Detección de comunidad en redes sociales: uno de los problemas más importantes en el contexto del análisis de redes sociales es el de la detección de comunidades. El     problema de la detección de comunidad está próximamente relacionado con el clustering e intenta determinar las regiones de una red que son más densas en términos de la conducta de enlaces (clusters específicos por sus relaciones). El tópico está relacionado con el problema genérico de la partición del grafo, que particiona la red en regiones densas basadas en el comportamiento del enlace. Sin embargo, habitualmente las redes sociales son dinámicas y esto conduce a algunos temas únicos desde el punto de vista de la detección de la comunidad. En tales casos, el contenido se puede aprovechar en ordenar a determinar grupos de actores con intereses similares. Se han creado una serie de algoritmos importantes sobre el problema de la detección de comunidad en redes sociales de larga escala. También es factible para al investigación de detección de comunidades en medios sociales [slides].

Clasificación de los nodos en las redes sociales: En muchas aplicaciones, algunos de los nodos de la red social pueden ser etiquetados y puede ser conveniente para usar el atributo y la información estructural en la red social con vistas a propagar estas etiquetas. Por ejemplo, en una aplicación de marketing (todavía existen), se puede conocer a ciertos nodos por estar interesados en un producto particular, y puede ser deseable utilizar el atributo y la información estructural en la red a fin de conocer otros nodos que también pueden estar interesados en el mismo producto. Las redes sociales también contienen una rica información sobre el contenido y la estructura de la red, que pueden ser aprovechados para este fin. Por ejemplo, cuando dos nodos en una red social están vinculados entre sí, es probable que las etiquetas del nodo también se correlacionen. Por lo tanto, la estructura de los vínculos se puede utilizar para propagar las etiquetas entre los diferentes nodos. En este caso para mi, el contenido y los atributos pueden ser utilizados con el fin de mejorar aún más la calidad de la clasificación hecha.

La evolución en las redes sociales dinámicas: Las redes sociales son  entidades intrínsecamente dinámicas por su naturaleza. Nuevos miembros se unen a ellas, antiguos miembros dejan de participar, emergen nuevos enlaces a medida que se construyen nuevos contactos, y los enlaces se hacen obsoletos a medida que los miembros dejar de interactuar con algún otro, etc.. Esto conduce a cambios en la estructura de la red social como un todo y de las comunidades que hay en ella. En este contexto surgen dos cuestiones importante:

  • ¿Cuáles son las leyes que rigen los cambios a largo plazo en la red social a través del tiempo?, Y también una pregunta subsidiaria de la anterior como ¿cuáles se observan con frecuencia en las clases de las redes sociales a gran escala?
  • (b) ¿Cómo evoluciona una comunidad dentro de una plataforma social a lo largo del tiempo? ¿Qué cambios pueden ocurrir y cómo capturarlos y presentarlos?

Análisis de la influencia social: Dado que las redes sociales están diseñadas principalmente sobre la base de las interacciones entre los diferentes participantes, es natural que estas interacciones pueden dar lugar a que los diferentes actores influyan el uno al otro en términos de su comportamiento. Un ejemplo clásico de esto sería una aplicación de marketing viral en la que utilizamos los mensajes entre los participantes interconectados en una red social con el fin de propagar la información a través de las diferentes partes de la red. En este contexto surgen una serie de preguntas naturales:

(a) ¿Cómo podemos modelar la naturaleza de la influencia entre los actores?
(b) ¿Cómo podemos modelar la propagación de la influencia?
(c) ¿Quiénes son los actores más influyentes para la propagación de la influencia?
A mi modo de ver, estos temas proporcionan un profundo conocimiento de la naturaleza del análisis de la influencia en las redes sociales. Hay herramientas específicas para este propósito, pero el análisis de redes sociales es la forma de tratarlo de una forma más holísitica y personalizando el análisis.

Descubrimiento de expertos en las redes: Las redes sociales se pueden utilizar como una herramienta con el fin de identificar a los expertos para una determinada tarea. Por ejemplo, teniendo en cuenta las actividades de los candidatos dentro de un contexto ( casos como la autoría de un documento o responder a una pregunta). Primero describimos los métodos para evaluar el nivel de conocimientos de cada uno de ellos. A menudo, los expertos están organizados en redes que corresponden a redes sociales o estructuras organizativas en una determinada empresa. Muchas de las tareas complejas requieren a menudo la experiencia colectiva de más de un experto. En estos casos, es más realista requerir un equipo de expertos o incluir la externalización con una firma de asesoria que puedan colaborar hacia un objetivo común.

Predicción de enlace en las redes sociales: gran parte de la investigación en minería de redes sociales se centra en el uso de los enlaces a fin de obtener información interesante sobre la red social, tal como las comunidades subyacentes o de subgrupos, o el etiquetado de los nodos con etiquetas de clase y personales (ejemplo de los hashtags). Sin embargo, en la mayor parte de las aplicaciones de redes sociales, los enlaces son dinámicos y pueden variar considerablemente con el tiempo. Por ejemplo, en una red social, los vínculos de amistad se crean continuamente a lo largo del tiempo. Por lo tanto, una pregunta natural es determinar o predecir futuros vínculos en la red social como campo emergente en estos años. El proceso de predicción puede utilizar tanto la estructura de la red como la información del atributos en los nodos diferentes.

Privacidad en las redes sociales: Las redes sociales contienen una gran información sobre el individuo en función de sus intereses, información demográfica, información de los vínculos de amistad y otros atributos. Esto puede conducir a la divulgación de diferentes tipos de información en la red social, como la revelación de la identidad, la divulgación de atributos y la divulgación de la información del vínculo.

Visualización de Redes Sociales (network visualization): a medida que las redes sociales se hacen más grandes y más complejas, el razonamiento acerca de las dinámicas sociales a través de simples estadísticas es muy complicado y no muy intuitivo. La visualización proporciona una forma natural de resumir la información con el fin de hacer que sea mucho más fácil de entender. Los últimos años han sido testigos de una convergencia de análisis de redes sociales y la visualización, junto con la interacción, que está cambiando la manera en que los analistas entienden y caracterizan las redes sociales. En el capítulo 11, se discute  el objetivo principal de la visualización en el contexto de la comprensión del usuario y de la interacción. El capítulo también analiza cómo diferentes metáforas están dirigidas hacia la aclaración de diferentes aspectos de las redes sociales, como la estructura y la semántica. Se describen una serie de métodos, en donde los análisis y la visualización se entrelazan para proporcionar una mejor comprensión de la estructura y dinámicas sociales.

Minería de datos en los medios sociales: los medios de comunicación social ofrecen una gran cantidad de datos de redes sociales, que se pueden extraer con el fin de descubrir las aplicaciones comerciales útiles. Las técnicas de minería de datos proporcionan a los investigadores y a los profesionales las herramientas necesarias para analizar el gran, complejo y frecuente cambio en los datos de los medios de comunicación social. En algunos libros y blogs ya hablan de tal fenómeno que hasta los marketinianos ven como lo próximo en Social Media. En algunos blogs como “Data Mining: Text Mining, visualization and social media” de Mathew Husrt. Estamos todavía en la época emergente y de entusiasmo. No creo que sea unas técnicas que hagan cambiar los Social Media.

Minería de texto en las redes sociales: las redes sociales contienen una gran cantidad de texto en los nodos en diversas formas. Por ejemplo, las redes sociales puede contener enlaces a posts, blogs y demás artículos de noticias. En algunos casos, los usuarios pueden etiquetarse mutuamente, que es también una forma de datos de texto sobre los enlaces. El uso del contenido puede mejorar enormemente la calidad de las inferencias que se puedan hacer en el contexto de los grafos y redes sociales.

Integración de sensores en redes sociales con datos: muchos teléfonos móviles ofrecen la posibilidad de que los actores interactúen entre sí dinámicamente y en tiempo real, dependiendo de su ubicación y el estado. Tales aplicaciones también dan lugar a la generación de flujos masivos en tiempo real, que se pueden utilizar para hacer inferencias sobre alguien o sobre las propiedades globales de los objetos que se están rastreando. Dado que la información de la ubicación es privada, esto también nos lleva naturalmente a una serie de preocupaciones sobre la privacidad desde una perspectiva del procesamiento.

Análisis de la red multimedia en los medios sociales: muchos modelos de sitios de compartición tales como Flickr y Youtube que ofrecen la posibilidad de compartir los medios de comunicación. Tales medios compartidos se utilizan a menudo junto con las interacciones de los diferentes usuarios, tales como la colocación de etiquetas o comentarios en diferentes imágenes. Tales ricas redes de información basadas en el contexto se pueden extraer mediante una amplia variedad de aplicaciones que aprovechan la combinación de las etiquetas de usuarios y los datos de imagen en el proceso de extracción y recuperación.

Etiquetado social (tagging): gran parte de la interacción entre los usuarios y las redes sociales se produce en forma de etiquetado, en la que los usuarios adjuntan descripciones cortas de los diferentes objetos en la red social, tales como imágenes, texto, vídeo u otros datos multimedia. En el capítulo se 16 ofrece un estudio detallado de los diversos aspectos del etiquetado. Entramos aquí en los modelos de etiquetado, de la semántica de las etiquetas, de las recomendaciones generadas a través de las etiquetas, de las visualizaciones de las etiquetas, de las aplicaciones de las etiquetas, de la integración de diferentes sistemas de etiquetado y los problemas asociados con el uso del etiquetado. Se discuten muchos temas interesantes, como la razón de la gente para etiquetar, lo que influye en la elección de las etiquetas, la forma de modelar el proceso de etiquetado, tipos de etiquetas, diferentes leyes de energía observados en el dominio de etiquetado, cómo se crean las etiquetas se crean y cómo elegir las etiquetas correctas para la recomendación.

Todos estos campos emergentes del análisis de datos de una red social o un medio social se encuentra todavía en su infancia. Hay una enorme cantidad de trabajo por hacer, particularmente en el área de las redes sociales basadas en el contenido y de carácter temporal (introducción el factor tiempo y porpio de redes dinámicas). Algunas líneas de investigación clave para el futuro son las siguientes:
En todo esto encotramos diversidad de procedencia y de los mismos datos para analizar. Esta visión híbrida en los datos será más importante al analizar las redes en el contexto de datos heterogéneos, en los que los enlaces son de tipos diferentes y corresponden a diferentes tipos de relaciones entre los actores. Una generalización del concepto de redes sociales son las redes de información, en la que los nodos pueden ser actores de entidades, y corresponder estos nodos con las relaciones lógicas entre estas entidades. Tales redes son también heterogéneas, por lo que es cada vez más importante diseñar herramientas y técnicas que  puedan analizar eficazamente redes heterogéneas.

Referencias:

Aggarwal, C. C. (2011). Social Network Data Analytics (1st ed.). Springer.
Aggarwal, C. C. (2009). Managing and Mining Uncertain Data. Springer.
Carrington, P. J., Scott, J., & Wasserman, S. (2005). Models and Methods in Social Network Analysis. Cambridge University Press.
Kadushin, C. (2011). Understanding Social Networks: Theories, Concepts, and Findings. Oxford University Press, USA.
Kadushin, C. (2012). Understanding Social Networks:Theories, Concepts, and Findings. New York: Oxford University Press.
Kilduff, M., & Tsai, W. (2003). Social Networks and Organizations. Sage Publications Ltd.
Prell, C. (2011). Social Network Analysis: History, Theory and Methodology. SAGE Publications.
Russell, M. A. (2011). Mining the Social Web: Analyzing Data from Facebook, Twitter, LinkedIn, and Other Social Media Sites (1st ed.). O’Reilly Media.
Scott, J. P., & Carrington, P. (2011). The SAGE Handbook of Social Network Analysis. Sage Publications Ltd.

Principios del análisis estructural y de redes


En el libro “Análisis estructural y de redes” de Josep A. Rodríguez. Es un pequeño manual introductorio, no siendo puramente ARS, trata el análisis estructural y de redes que presenta de forma básica y con ejemplos de investigación los elementos teóricos y metodológicos fundamentales. Tiene una pequeña introducción del análisis de redes en sociología y en el que comenta una serie de principios y características del análisis de redes:

El mundo esta compuesto de redes más que de grupos.
Podemos resumir las características fundamentales del análisis y aproximación estructural y de redes en elementos que los diferencian de otros tipos de análisis (A), características básicas del análisis y de sus unidades (B), y principios analíticos fundamentales (C).
Elementos diferenciadores:
A1. Importancia central de las relaciones entre unidades interactuantes.
A2. Los actores y sus acciones son vistas como interdependientes, en lugar de independientes y aut6nomos.
A3. Los ligámenes y relaciones entre actores son canales de transferencia y distribuci6n de recursos, sean materiales o inmateriales.
A4. Cuando se analizan individuos, se percibe el medio estructural de la red como espacio que provee oportunidades o limitaciones para la acción individual.
A5. La estructura (sea social, económica, politica, cultural, etc.) es definida como pautas relacionales relativamente permanentes.
Caracteristicas basicas en el analisis estructural:
B1. El comportamiento de los actores es interpretado en términos de condicionantes estructurales de su actividad, en lugar de ser resultado exclusivo de fuerzas internas (socialización en las normas).
B2. El análisis se centra en las relaciones entre unidades, en lugar de intentar agrupar individuos en categorías de acuerdo con sus atributos.
B3. Un tema central es ver cómo las pautas de relaciones afectan al comportamiento de los individuos de la red.
B4. Una estructura es vista como una red de redes, que puede o no estar dividida en grupos.

B5.  Los métodos analíticos utilizados se centran en las pautas y naturaleza relacional de la estructura social, y suplementan ( o suplantan en otros casos) los métodos estadísticos tradicionales que necesitan unidades de análisis independientes.

 

Principios analíticos:
C1. Los ligámenes son normalmente asimétricamente recíprocos, y difieren en contenido e intensidad. Son asimétricos en la cantidad y tipo de recursos en flujo y tambien en el contenido e intensidad, pero generalmente son recíprocos, dando lugar a partes estables del sistema social.
C2. Los ligámenes y lazos unen a los actores tanto directa como indirectamente. Por tanto, deben ser definidos en el marco de redes estructurales mas amplias. La simetría del ligamen pone en duda la creencia en la voluntariedad de la relación. Muchas relaciones se establecen con miembros de la red que a uno no le gustan. Son involuntarias, y vienen como parte del paquete de ser miembro de la red. Pero son muy importantes por los recursos que se transmiten a través de ellos. Así, normalmente los miembros de una red utilizan relaciones directas e indirectas, y a menudo atraviesan los límites de la red. De ahí la importancia del contexto estructural de cada red particular.

C3. Los puntos de una red no tienen por que ser personas individuales.Pueden ser grupos, estados, etc., o conjuntos de relaciones (clusters, o redes). Por ejemplo, en el caso de interlocking de directivos de corporaciones, lo importante es que un directivo une dos corporaciones, en lugar de que dos directivos estén en el mismo consejo de administración. Si existe un ligamen entre dos clusters, entonces todos los miembros de un cluster estan ligados a
los miembros del otro (a través de ligámenes internos).

C4. Los ligámenes asimétricos y las redes complejas distribuyen recursos escasos de forma diferencial. Los recursos no fluyen equitativamente. La densidad de los clusters y los tipos de relaciones estructuran el flujo de recursos.
Dependiendo de la posición estructural, los miembros de un sistema social difieren en el acceso a los recursos. El acceso desigual a estos dará lugar a mayor asimetría en las relaciones. Y a su vez, las relaciones asimétricas entre grupos normalmente dan lugar a redes jerárquicas y generan mayores diferencias en el acceso a los recursos.

 

C5. Las posiciones estructurales son a su vez recursos. El acceso a posiciones estructurales es en si mismo un recurso escaso porque determina el acceso a otros recursos. Los casos de los gatekeepers (que controlan el acceso a la red) o los brokers (que ligan dos redes) son ejemplos de posiciones que obtienen poder y mayor acceso a recursos por su posición estructural.

 

C6. Las posiciones estructurales no son inamovibles sino que están en movimiento. Las personas, y los recursos, fluyen a traves de las redes cuando cambian posiciones estructurales. Los movimientos de las personas son parte
de la llamada “agujeros estructurales” (Burt).

 

C7. Las redes estructuran actividades colaboradoras o competitivas entre actores para asegurarse recursos escasos. La competencia estructural por los recursos escasos es inherente al sistema social. Los grupos de intereses compiten por acceder a ellos. Este marco delimita las bases estructurales de la actividad (acción) política colectiva.

El uso de Twitter en la investigación universitaria, la enseñanza y el impacto en las investigaciones: una guía para los académicos e investigadores (ampliación y actualización)

Como muestra de lo que se dará, pongo a vuestra disposición un documento traducido por @chiti y por un servidor sobre “El uso de Twitter en la investigación universitaria, la enseñanza y el impacto en las investigaciones: una guía breve para académicos e investigadores” (ampliado con muchas más referencias que tiene el original) de  LSE Research Online y licencia CC, la misma que el original al ser traducción.
En este documento podrás encontrar:

  • La construcción y gestión del perfil de Twitter.
  • El uso de Twitter para maximizar el impacto en los proyectos de investigación.
  • Sacar el máximo partido de Twitter junto con su propio blog.
  • El uso de cuentas relacionadas con los estudiantes.
  • Una guía paso a paso para añadir un feed de Twitter para Moodle.
  • Recursos adicionales y enlaces a las entradas del blog y artículos en los blogs académicos y de impacto.

Espero que les guste y me digan su opinión de este documento. Perdonen las molestias por la actualización (sólo se puede ver desde aquí):

Sitios de redes sociales: definición, historia y erudición (II)

Segunda parte de este paper que ha sintetizado y analizado muy bien muchas de las estructuras y componentes de los sitios redes sociales. Las autoras en su proceso histórico de creación de sitios de redes sociales analizan cómo se convierten en un fenómeno global y cómo se expanden éstas. Como ejemplo ponen a Facebook. Analizan y repasan los distintos estudios y artículos de investigación que ha habido al respecto, como la gestión de la imagen y funcionamiento de la amistad, las redes y la estructura de esa red, conexiones online/offline y cuestiones de privacidad. Espero que sea de provecho y anime la investigación en el ámbito español. Tras publicar la primera parte aquí dejamos esta segunda, que también se publica en el blog de Chiti:

Seguir leyendo