REDES-
Revista hispana para el análisis de redes sociales.
Vol.1,#3, enero 2002.
http://revista-redes.rediris.es
Redes de publicaciones científicas: un análisis
de la estructura de coautorías
José Luis Molina – Departament d'Antropologia social
Juan Manuel Muñoz y Miquel Domenech - Departament de
Psicologia de la Salut i Psicologia Social. Universitat Autònoma de
Barcelona.
¿Cómo aprenden los científicos? ¿Cómo
colaboran? ¿Es posible establecer la estructura de influencias? Éstas son las
preguntas que han animado esta investigación. Para ello hemos desarrollado un
procedimiento que permite, a partir de las publicaciones de un científico,
identificar en olas sucesivas los autores relacionados. El análisis de esta red
de coautorías ha permitido establecer indicadores significativos de la
estructura de influencias, al menos tal como es percibida por los propios
científicos estudiados. En general, las medidas de centralidad se han mostrado
como significativas (especialmente la closeness), si bien tienden a
exagerar la posición del científico estudiado como consecuencia del método
elegido (red centrada en ego). Por último, Las medidas de cohesión tienden a
establecer agrupaciones significativas mientras que las medidas basadas en la
equivalencia, establecen agrupaciones que no son identificadas como
significativas por los científicos estudiados.
En el análisis de la redes de
científicos solamente recientemente se han adoptado enfoques basados en las
coautorías (ver por ejemplo Barabási, 2001) siendo habitual el estudio de las
mismas utilizando las citas de publicaciones como índice principal a
partir del cual establecer la estructura de relaciones. No obstante, como ya
señalaba Diana Crane en 1972, este índice debería combinarse con otros, como
por ejemplo, la dirección de tesis doctorales, la participación en congresos,
la comunicación informal, etc.
A substantial proportion of
connectivity appeared only when all the ties between individuals were
considered simultaneously (i.e., when the ties between individuals could be any
of the several that were studied). This suggest that social organization in a
research area is revealed only when a variety of different types of
relationships between members of a research area are examined. (Crane, 1972, 43)
Probablemente, uno de los factores
que favorecen el análisis de redes científicas a partir del recuento de citas, reside
en la relativa facilidad del acceso a datos que permiten los diferentes
"Citation Index" en sus versiones informatizadas, mientras que la
elaboración de otros índices requiere una gran cantidad de tiempo y esfuerzo.
En nuestro caso, hemos desarrollado
un procedimiento que permite identificar fácilmente la estructura de coautorías
en base a las publicaciones conjuntas de los autores. Este procedimiento se ha
aplicado a un matemático, un médico oncólogo y un biólogo molecular. En los
tres casos se han analizado sus respectivas estructuras de coautorías y se han
contrastado los resultados con cada uno de ellos.
En los siguientes apartados
expondremos el marco teórico de nuestra aproximación, los casos estudiados y el
procedimiento diseñado, para pasar, finalmente, a discutir los resultados.
Marco Teórico
Esta investigación se inscribe en una
tradición de estudios iniciada por D.
J. Solla Price (Little Science, Big Science, 1963, -citado en Callon
(1995)), según la cual la investigación científica parece seguir una curva en
forma de S (curva logística) en la que es posible identificar una etapa inicial
de aparición del paradigma, una segunda etapa de multiplicación de las
contribuciones y, asociada a la aparición de “Colegios Invisibles” o círculos de investigadores influenciados por unos
pocos investigadores de alta productividad, una tercera fase de madurez y una
última de estancamiento.
Estos trabajos se basan
principalmente en el recuento de citas, aunque también incluyen, como es el
caso del trabajo de Crane, otros tipos de relaciones (dirección de tesis
doctorales, comunicación informal e influencia en la selección de problemas).
Crane asimila “Colegio Invisible” a círculo
social, en el sentido que los integrantes de un circulo social solamente
conocen a una parte del total pero están influidos por personas con las que no
están conectadas directamente. Por “conectividad” entiende la existencia de un
camino que una a dos científicos en una dirección determinada,
independientemente de su longitud. Por tanto, el énfasis de esta aproximación
se centra en el establecimiento de la red total en la cual se hayan insertos
los autores, sean conscientes o no, y en el cálculo de la conectividad
existente. Ésta determinará la existencia de “Colegios Invisibles”.
En nuestro caso, esta medida de
“conectividad” no es aplicable, dado que el método de establecimiento de la red
(olas a partir de un científico inicial) lleva a establecer un solo componente,
es decir, que todos los autores que aparecen en la red se hayan conectados de
una forma u otra con el resto.
Otra tradición de estudios que debe
ser tenida en cuenta en esta línea es la difusión de innovaciones y los
fenómenos de contagio. Coleman, Katz y Menzel (1966) en su pionero trabajo
sobre los factores de adopción de nuevos medicamentos por parte de médicos,
Mullins (1968) en su estudio de una comunidad de biólogos y, más recientemente,
los trabajos de Valente (1995) sobre el comportamiento de los procesos de
difusión, son contribuciones representativas de este campo de investigación. De
hecho, Crane asimila la segunda fase de la curva logística con un fenómeno de
contagio, en el cual el número de relaciones de la primera ola de adoptantes de
una innovación es crítico para el resultado posterior.
Esta orientación es especialmente
interesante por la posibilidad de analizar redes de autores en el tiempo (a
partir de los años de publicación). Sin embargo, esta orientación tendría que
combinar la red de autores con las temáticas de estudio para recoger procesos
de contagio e influencia. No obstante, consideramos esta línea de enorme
interés para el futuro.
El concepto de Capital social[1]
El segundo marco teórico que hemos
tenido en cuenta es el del capital social. Sin entrar a discutir la autoría del
concepto[2],
la distinción de Pierre Bourdieu (1977) entre capital económico, simbólico,
cultural y social ha tenido una gran influencia, seguramente debido a sus
posibilidades de aplicación (oportunidades laborales, desarrollo de la carrera
directiva, la gestión de los contactos como herramienta de gestión ...) (Lin y
Cook, 1998). Cabe señalar tres fuentes diferentes en la constitución del
capital social como campo específico de investigación.
En primer lugar hay que tener en
cuenta toda la literatura derivada de la teoría del capital humano de Gary
Becker (1981), en la cual se aplican criterios utilitaristas a la explicación
de conductas supuestamente altruistas e instituciones sociales tales como la
familia y el matrimonio, conductas e instituciones hasta entonces consideradas
“extraeconómicas”.
La segunda fuente hay que buscarla en
el amplio eco despertado por la teoría de los lazos débiles y su aplicación a
la obtención de oportunidades ocupacionales realizada por Granovetter en 1973[3].
La idea básica es que las personas tienen a su alrededor un núcleo fuerte de
lazos que le proporcionan la información, los recursos y el soporte emocional
que necesitan. Este núcleo fuerte está constituido por un número reducido de
personas con las que se mantiene un contacto frecuente. Al lado de este núcleo
existen una miríada de contactos con los cuales la relación es más débil y
especializada. Son los “conocidos”, personas que no forman parte del núcleo
fuerte pero sí de la red personal.
Ilustración 1. La teoría de los lazos fuertes y débiles de
Granovetter
La hipótesis de los lazos débiles ha
tenido una profunda influencia en el análisis de redes sociales. Sin embargo,
la investigación posterior ha relativizado la hipótesis de Granovetter: solamente
un porcentaje de los lazos débiles son susceptibles de representar ventajas
ocupacionales y este hecho se produce preferentemente en clases de estatus
elevado más que en clases bajas (Granovetter, 1982).
La tercera fuente de contribuciones a
la temática del capital social viene dada por la aplicación del análisis de
redes sociales al networking a partir
del trabajo de Ronald Burt sobre los agujeros estructurales.
Burt abunda en la idea de capital
social, como complementario del capital humano. Si el capital humano está
constituido por el conjunto de habilidades y saberes adquiridos por la
educación, experiencia y la formación continua, el capital social está
constituido por las personas que nos conocen, que saben cómo somos y de lo que
somos capaces. Dado que la vida es tiempo y las relaciones personales son
porciones de vida compartidas en tiempo real con otras personas, el número de
relaciones que se pueden crear y mantener a lo largo de una vida es limitado.
Qué menos que intentar rentabilizar algo tan valioso.
La contribución específica de Burt es
la idea que las redes personales se pueden gestionar, manipular, de forma que
nuestra posición conecte grupos desconectados, lo cual nos confiere más poder e
influencia, es decir, maximizar nuestra betweenness,
nuestra capacidad de ser puentes en la red, de conectar grupos solamente a
través de nosotros. La situación ideal sería la mostrada en la ilustración 2.
Ilustración
2. La teoría de los agujeros estructurales de Burt[4]
Desde este punto de vista, las redes
de científicos podrían ser vistas como redes de individuos interesados en
maximizar su agujeros estructurales, es decir, su capacidad de conectar o
acceder a nodos no redundantes. Steve Borgatti (1997) ha propuesto una sencilla
medida para calcular la redundancia de una red: 2t/n, donde t es el número de lazos (excluidos los de ego) y n
el número de nodos). Cuanto menor sea la redundancia mayor será el capital
social, entendido como una maximización de los agujeros estructurales. En
nuestro trabajo, al tratarse de una red centrada en ego, las medidas de
redundancia no son aplicables, pues, como hemos dicho, este método exagera la
centralidad de la posición del nodo inicial de la primera ola. Sin embargo,
como veremos, la medida de closeness, se ha revelado como la más fiable
en el método seguido.
Método
Tres casos
En este estudio hemos establecido las
redes de influencia de tres científicos: un matemático, un médico oncólogo y un
biólogo molecular. Los tres casos se exponen a continuación.
|
Científicos |
N publicaciones iniciales |
N Olas |
N autores |
Base de datos |
|
Matemático |
8 |
3 |
909 |
MathsCinet |
|
Médico |
7 |
2 |
2.214 |
PUBMED |
|
Biólogo |
60 |
2 |
1.975 |
ICYT |
El primer caso estudiado, se trata de
un matemático de la Universitat Politécnica de Catalunya,
especializado en ecuaciones diferenciales. Este matemático nos describió su
campo de especialización como formado por diferentes escuelas más o menos
informales y a él mismo como perteneciente a una de ellas. El mecanismo de
colaboración es el seminario, un encuentro semanal o quincenal de los
miembros del Departamento al que se suele invitar a otros matemáticos de forma
selectiva. Las colaboraciones y los temas de investigación suelen gestarse
durante largos períodos de tiempo, y las relaciones establecidas por los
directores de tesis y sus doctoradnos se revelan como decisivas, de forma que
es posible establecer verdaderos linajes en función de estas relaciones.
El papel de los Congresos Internacionales es limitado y sirve básicamente como
una fuente de contactos preliminar. Pero es a través de las estancias en los
respectivos seminarios en los que se establecen posibles colaboraciones
intelectuales que suelen dar lugar a un paper. Hemos partido de ocho de
sus publicaciones realizadas con otros autores. La comunidad de matemáticos
presenta una clara diferencia respecto a otras, como por ejemplo la de los
biólogos, en cuanto al número de personas que firman cada artículo. Aunque la
productividad en cuanto a número de artículos publicados anualmente experimenta
un incremento constante al igual que en otras disciplinas, se mantiene una
pauta constante en cuanto al número de autores por artículo, puesto que en
raras ocasiones un artículo es firmado por más de tres autores (Liberman y
Wolf, 1997, 1998).
En el segundo caso, un cirujano oncólogo de las extremidades del Hospital de Sant Pau i
de la Santa Creu de Barcelona, se trata de un profesional de la medicina, cuyo
Departamento se ha constituido como centro de referencia de este tipo de
enfermedades. La actividad principal es, pues, clínica más que académica,
aunque ésta última se realiza de forma continuada. El mecanismo de colaboración
con otros expertos es el clínico, o una sesión programada al final de un
curso anual a la cual se invitan expertos y a los que se les plantean
diferentes casos clínicos para su diagnóstico y solución. Al igual que en el
caso de los doctorando, los internos tienen una relación muy estrecha con los
titulares, adoptando sus orientaciones y adquiriendo sus contactos. Hemos
partido de siete de sus copublicaciones en revistas científicas.
El tercer caso lo constituye un biólogo molecular del CSIC. Se trata de un científico formado en España,
Estados Unidos y Alemania en los principales centros de investigación de su
especialidad. En la actualidad dirige un grupo permanente de quince
investigadores. Aparte de las estancias de colaboradores con otros centros, el workshop
es el mecanismo preferido para la colaboración. Los artículos se firman por los
diferentes equipos que participan en un proyecto, por lo que suelen ser de
bastantes autores. Por la misma razón, es posible que no se conozcan
personalmente autores que firman una misma publicación. Posiblemente, el hecho
de precisar de grandes instalaciones y equipos para realizar las
investigaciones explique el número de coautores.
Red de coautorías
Para el estudio de la red de
coautorías –o colaboraciones-- existen diferentes alternativas. La primera de ellas
es el establecimiento de un listado de autores en un campo determinado de
investigación, por ejemplo (el caso de Crane, 1972) los matemáticos que han
publicado sobre conjuntos finitos o los sociólogos especializados en la
difusión de las innovaciones en el medio rural. Una vez establecido ese listado
(102 matemáticos y 221 sociólogos respectivamente) es posible construir una
matriz cuadrada con las citas o las coautorías. En nuestro caso, al no partir
de un área concreta de investigación sino de científicos concretos, esta
estrategia no ha sido posible.
Una segunda opción consiste en
intentar establecer la red total realizando una bola de nieve a partir de una
lista de autores. La mecánica es la siguiente:
1.
Se constituyen a partir de una o más
fuentes una lista inicial de autores, llamada ola cero, que pertenezcan al colectivo en consideración. Esta es la
ola cero
2.
Con los autores correspondiente al
conjunto de publicaciones de los autores de la ola cero se constituye una
segunda lista, llamada primera ola.
3.
A partir de aquí se puede repetir el
método hasta que llegue un momento en el cual se sature la lista, es decir, que
no aparezcan autores nuevos. Si la ola cero es suficientemente amplia y diversa
y no se ha perdido información de forma sistemática, habremos llegado a
identificar el colectivo bajo investigación.
Una vez obtenida esa lista de
personas es posible estudiar su tamaño y estructura.
Una tercera opción —la adoptada en
este estudio— consiste en el establecimiento de la red egocéntrica de
cada uno de los científicos en cuestión, de forma que la ola cero solamente
esté constituida por un autor. Esta red, establecida a partir de varias oleadas
de las coautorías de esos autores, permite aproximarse a la red de influencia
de cada autor y estudiar si la estructura resultante tiene puntos de
correspondencia con la realidad.
El hecho de seleccionar como criterio
de relación únicamente las coautorías de artículos en lugar de libros, obedece a que son éstos los que
habitualmente son utilizados en las investigaciones de cienciometría y al hecho
de que en el caso del campo de las matemáticas, la medicina y la biología el
número de referencias a artículos de revista sobrepasa con creces el de
referencias a otros tipos de publicaciones (más de un 80%). Este porcentaje es
sensiblemente superior al de otras como la sociología, en el que el número de
referencias a artículos es entre 37% y 42% (Heinzkill, 1980, p. 357 —citado por
Clemens y otros, 1995, p.440).
Procedimiento
El proceso que hemos utilizado, y que
creemos que supone la posibilidad real de realización de este tipo de análisis
de copublicaciones, es el que hemos esquematizado en la figura siguiente.
- Como hemos comentado, la fuente de datos es la base
de referencias bibliográficas, sobre la cual se han realizado las
búsquedas de los artículos de los diferentes autores. El resultado de cada
una de las búsquedas es un fichero de texto con las referencias del autor
correspondiente.
- El tratamiento de esta información pasa por la
posibilidad de que ésta sea gestionada por un programa específico de
gestión de referencias bibliográficas. En nuestro caso, hemos optado por
utilizar, entre otros posibles, el gestor de referencias bibliográficas
Biblioscape[5].
Al igual que otros programas del estilo, Biblioscape permite la
importación automática de registros bibliográficos de bases de datos.
Frente a otros programas, Biblioscape presenta la ventaja de que una de
sus utilidades construye un árbol de coautorías, que aunque (actualmente)
no es posible utilizar directamente como fichero de salida para los
análisis estadísticos, permite, en el proceso de obtención de
información, hacer un fácil
seguimiento de los autores sobre los que debe realizarse la obtención de información.
- Una vez que disponemos de toda la información
necesaria, y hemos depurado los datos (búsqueda y eliminación automática
de referencias duplicadas y
homogeneización de los nombres de autores), tenemos que convertir esta
información a un formato legible por los programas de análisis estadístico
de redes. Como hemos comentado, Biblioscape no permite actualmente generar
automáticamente un fichero de salida con el formato adecuado, pero
presenta la ventaja de que almacena los datos en tablas Paradox que
pueden ser procesadas por otros programas. En nuestro caso, hemos
utilizado el programa de base de datos Microsoft Access para crear los
procedimientos para manipular dichas tablas y generar los ficheros de
salida necesarios.
![Cuadro de texto: *Vertices 50
1 "Autor 1" [1974, 1977, 1980-1982]
2 "Autor 2" [1975, 1977, 1979-1980]
...
50 "Autor 50" [1990-1994]
.*Edges
1 2 1 [1977]
1 2 3 [1980]
1 4 1 [1981]
...
47 50 2 [1991]](./vol1_3_archivos/image009.gif)
La
conversión de los ficheros se ha realizado para que pueda ser utilizada por
los programas de análisis de redes PAJEK y UCINET, y tienen un formato del
tipo que podemos ver en el recuadro. En este ejemplo estamos indicando que
tenemos un total de 50 autores (“Vértices”) a los que definimos como
"Autor 1", "Autor 2", etc. Junto a los datos globales
sobre las coautorías podemos incluir información sobre el año en que se
producen, para ello, incluimos en la información de los diferentes autores
los años en que tienen alguna publicación (independientemente de cuántas y
con quiénes); en el ejemplo, especificamos que el "Autor 1" ha
publicado en los años 1974, 1977, 1980, 1981 y 1982. La siguiente
información que aparece en el fichero, bajo la etiqueta (“Edges”)
especifica el número de vínculos (copublicaciones) entre autores y los años
en que se producen; así, por ejemplo, vemos que el "Autor 1"
tiene, con el "Autor 2", una publicación en 1977 y 3
publicaciones en 1980; mientras que con el "Autor 4" tiene una
publicación en 1981.
Este formato de fichero es el utilizado por el programa
(gratuito) Pajek[6],
el cual puede, a su vez, exportar los datos para que sean legibles por Ucinet V[7].
- Aunque probablemente Ucinet V es el programa
estándar para el análisis de redes, la utilización de Pajek como 'punto de
partida' para el análisis radica en que presenta ciertas ventajas respecto
a Ucinet, como por ejemplo la posibilidad de generar, a partir de la
matriz de datos original, nuevas matrices basándose en los datos
temporales que hemos visto en el ejemplo anterior. Esto permitiría, por
ejemplo, analizar de forma específica diferentes momentos temporales de la
red o incluso analizar la evolución temporal de la misma.
Otra ventaja tiene que ver con las posibilidades que
ofrece Pajek por lo que respecta a la representación gráfica de la estructura de
red, elemento casi fundamental en la interpretación de este tipo de datos
"According
to most reviewers, visualization plays an important part in the development of
almost every field of science (...) This is certainly true of social network
analysis where, from the beginning, visual images —particularly those grounded
in graph theory— have been central to its success." (Freeman, 1997, 1)
Igualmente, Pajek permite nuevamente exportar los datos a
diferentes programas de representación gráfica como por ejemplo MAGE, programa
diseñado originalmente para representar y manipular imágenes de estructuras de
proteínas complejas y que permite de la misma forma representar estructuras de
redes sociales[8].
O también utilizar el formato de 'realidad virtual' VRML que permitirá (desde
un navegador internet) visualizar una imagen tridimensional por la que podremos
'desplazarnos'.
Análisis
de los datos
En cada uno de los tres casos se ha realizado un análisis
de la red de autorías y se han celebrado entrevistas para contrastar los
resultados. El análisis de redes sociales procede a través de dos grandes
grupos de estrategias para la identificación de estructuras en una red: las
medidas de cohesión y las medidas de equivalencia. En el primer grupo se
encuentran todas aquellas medidas que parten de los lazos que los actores
tienen entre sí. El ejemplo más sencillo de ello sería un clique o grupo
de nodos conectados entre sí. Este principio se puede relajar y admitir
conexiones a todos los miembros menos un número dado, a todos los miembros a
una determinada distancia, etc. El segundo grupo de medidas intenta hallar
posiciones equivalentes, es decir, patrones similares de relaciones con el
resto de nodos. El caso extremo lo constituirían dos actores que si
intercambiasen su posición, no
afectarían al resto de propiedades de la red.
En nuestro caso hemos seleccionado básicamente
medidas de centralidad, teóricamente más intuitivas para los actores de la red,
y dentro de ellas, aquéllas que van de “abajo a arriba”, es decir partiendo de
los actores en lugar de la red total. No obstante, se incluyen algunas medidas
basadas en la equivalencia.
Las
medidas de centralidad son tres: degree, closeness y betweeness. El degree,
o rango, señala en este caso el número de coautorías (los lazos directos de ego
con otros nodos). Closeness[9], o cercanía, mide la distancia de
cada nodo con el resto. Esta distancia se mide sumando los geodésicos de cada
nodo con el resto, es decir, sumando los caminos más cortos existentes. La
cercanía tiene en cuenta, pues, no solamente los nodos con los que ego se
encuentra directamente conectado, sino también la distancia con el resto de
nodos. Por último la betweeness, o grado de intermediación, indica el
número de veces que es necesario pasar por cada nodo para poder conectar otros
dos. Esto se hace contando los geodésicos existentes en la red y, a
continuación, contando las veces que aparece cada nodo en ellos. El grado de intermediación
es una medida que enfatiza el poder de los nodos de conectar recursos de otro
forma desconectados.
Una medida adicional es el Poder de Bonacich. Esta medida tiene en cuenta tanto la
centralidad de un nodo como el grado de intermediación que este nodo tiene con
los que está conectado. De esta forma se mide simultáneamente el rango y una
forma de intermediación (Wasserman y Faust, 1994: 206).
Esta medida modera la influencia de Matemático en la red en relación
con las medidas de centralidad analizadas en el apartado anterior.
Nivel grupal
En este
nivel estudiaremos las siguientes medidas: cliqué y n-cliqué. Los
cliqués constituyen un subgrafo completamente conectado, es decir, un subgrafo
en el cual todos los nodos están conectados entre sí. En la medida n-cliqué se
tienen en cuenta no solamente los lazos directos sino los que conectan con
otros nodos a distancia 2 (normalmente). De esta forma se tienen en cuenta los
lazos indirectos (“amigo de un amigo”).
Por último, los k-plex permiten relajar un poco más el criterio de
inclusión al permitir establecer grupos en los cuales los nodos puedan estar
conectados con todos menos k. En
este caso, k=2.
Nivel de red
A nivel de red se han encontrado las siguientes
agrupaciones: componentes y grupos basados en CONCOR.
Los componentes son subgrafos
completamente conectados, es decir, subgrafos en los que es posible encontrar
un camino entre dos nodos. En este caso, al extraer la red a partir de la
técnica bola de nieve es evidente que como mínimo existe un camino entre
cualquiera de los nodos incluidos en la red. Sin embargo, al exigir que los
componentes tengan 3 o más miembros ha sido posible identificar 3 subgrafos.
CONCOR es un procedimiento basado en
la equivalencia de relaciones que actúa comparando cada vector de cada nodo,
hallando la correlación entre ellos y reordenando la matriz en base a ese
resultado. De esta forma, la matriz se reordena poniendo juntos a los nodos con
vectores más similares.
Resultados
A pesar del continuo incremento de la
producción científica en base a artículos, la colaboración personal
(estancias, seminarios o workshops) se constituye, en los tres casos
estudiados, como el canal privilegiado de influencia y colaboración. Los
artículos y las comunicaciones en los Congresos son más bien el resultado que
el inicio de los procesos de colaboración.
El análisis de la estructura de
coautorías se revelado en los tres casos como una aproximación penetrante a
la estructura de influencias tal como ha sido percibida por los diferentes
autores. La observación de los datos ha provocado sorpresa inicialmente, para
encontrar, a continuación, sentido a las agrupaciones.
De los tres grupos de medidas,
centralidad, cohesión y equivalencia, solamente las dos primeras se han
revelado como significativas. El hecho de que la red estudiada esté centrada en
un autor explica que las medidas de equivalencia no tenga sentido, pues la red
está sesgada en relación a un solo autor. Posiblemente, otras estrategias de
estableciendo de la red de autores permitan aplicar este tipo de medidas.
De las medidas de centralidad, ha
sido la closeness la que se ha mostrado en los tres casos más
significativa. En el caso del matemático, con menos publicaciones y con menos
autores por publicación, las tres medidas de centralidad han sido
significativas, si bien acentuando la posición del autor. Sin embargo, en los
otros dos casos, con más autores y con más publicaciones por autor, solamente
la closeness se ha mantenido como un estimador fiable de los autores
influyentes o influenciados.
Por último, las medidas de cohesión
tienen el inconveniente que producen una gran cantidad de grupos, por lo que es
difícil establecer un criterio de selección. Sin embargo, en todos los casos
los autores han podido poner etiquetas a algunos de los grupos: Grupo de
Bratislava, Seminario, Brasileños, Radiólogos, Ribonucleasas, etc.
El establecimiento de criterios de
selección de los grupos resultados de la aplicación de medidas de cohesión y el
estudio de la evolución de redes de científicos en el tiempo, son, bajo nuestro
punto de vista, los siguientes pasos que cabe realizar.
BARABÁSI, A.L.; H. JEONG; Z. NÉDA; E. RAVASZ; A.
DCHUBERT; T. VICSEK (2001). "Evolution
of the social network of scientific collaborations".
<arXiv:cond-mat/0104162 10 Apr 2001>
BECKER, Gary (1981). Tratado sobre la familia. Madrid: Alianza Universidad, 1987.
BORGATTI, Stephen P. (1997).
"Structural Holes: Unpacking Burt's Redundancy Measures", Connections
20(1):35-38
BORGATTI, Stephen P.; JONES,
Candace (1998). "Network measures of social capital", Connections,
21(2): 15-36.
BOURDIEU, Pierre (1977). Outline
of a Theory of Practice. New York: Cambridge University Press.
BURT, Ronald S. (1992). Structural
Holes: The Social Structure of Competition. Cambridge: Harvard University
Press.
CALLON, Michel, COURTIAL, Jean-Pierre y PENAN,
Hervé (1993). Cienciometría. El estudio cuantitativo de la actividad
científica: de la bibliometría a la vigilancia tecnológica. Gijón: Trea, 1995.
CLEMENS, Elisabeth H.; POWELL,
Walter W.; Mcilwaine, Kris y OKAMOTO, Diana (1995). "Careers in print:
Books, journals and scholary reputations". American Journal of
Sociology. 101(2), 433:494.
COLEMAN, J.S., KATZ, E. y MENZEL, H (1966). Medical Innovation; a Diffusion Study. Indianapolis: Bobs-Merrill.
CRANE, Diana (1972). Invisible
Colleges. Diffusion of Knowledge in Scientific Communities. Chicago: The
Chicago University Press.
FREEMAN, Linton
C. (1997). Visualizing social networks. <http://carnap.ss.uci.edu/vis.html>
[Consulta 6-11-97]
- (1998). Using
molecular modeling software in social network analysis: A practicum. <http://eclectic.ss.uci.edu/~lin/chem.html>
[Consulta: 7-1-98]
GRANOVETTER, Mark
(1973). "The Streng of Weak Ties" American
Journal of Sociology 78 (6), pp. 1360-1380
GRANOVETTER,
Mark (1982). "The Streng of Weak Ties. A network Theory Revisited" en
Marsden, Peter V. y Nan, Lin (eds.). Social
Structure and Network Analysis. London: Sage, Págs. 105-130.
LIBERMAN, Sofía;
WOLF, Kurt B. (1997). “The flow of knowledge: Scientific contacts in formal
meetings”, Social Networks, 19 (271-283).
- (1998).
"Bonding number in scientific disciplines", Social Networks,
20, 239:246.
LIN, Nan; y COOK,
Karen (1998). Social Networks And Social Capital - An International
Conference - October 30, 1998. Duke University. <http://www.soc.duke.edu/~xioye/conference.html> [Consulta:
20-09-2000]
MOLINA, José Luis (2000). El análisis de redes
sociales. Aplicación al estudio de la cultura en las organizaciones. Tesis
doctoral. Barcelona: UAB.
MULLINS, Nicholas C. (1980). Social
networks among biological scientists. New York: Arno Press.
REQUENA SANTOS, Félix: Redes sociales y mercado de trabajo. Elementos para una teoría del
capital relacional. Col. Monografías, Núm. 19. Centro de Investigaciones
Sociológicas & Siglo XXI, Madrid, 1991.
VALENTE, Thomas W. (1995). Network
Models of the Diffusion of Innovations. Hampton Press.
VALENTE, Thomas W. (1996).
"Social network thresholds in the diffusion of innovations", Social
Networks 18, 69-89.
WASSERMAN, Stanley y FAUST,
Katherine (1994). Social Network Analysis. Methods and Aplications.
Cambridge: Cambridge University Press.