MECHANICS
OF COMPLEX NETWORKS:
CRÓNICA DEL CONTACTO ENTRE DISCIPLINAS
Una semana entre físicos teóricos
No hace mucho que una empresa consultora se
anunciaba en las revistas con un slogan impactante: “Nosotros no enseñamos
las leyes de los Recursos Humanos, nosotros las escribimos”. Siguiendo con
la metáfora, y si adoptamos una actitud humilde, los científicos sociales
tenemos dónde elegir a la hora de colgar la etiqueta de “autores de las leyes
del Análisis de Redes Sociales”. Por ejemplo, contamos con quienes calculan
indicadores de centralidad, quienes diseñan programas de análisis de redes o
quienes elaboran modelos estadísticos. Probablemente no sea necesario ser tan
humildes, pero sí que podemos aprender algo de esas disciplinas. Veamos en este
caso qué se cuentan los físicos.
Los físicos teóricos están analizando la estructura
de todo tipo de redes: biológicas (como las redes metabólicas), de comunicación
(como Internet) o sociales (como las redes de colaboración entre científicos).
En todos los casos encuentran un mismo fenómeno de auto-organización de los
sistemas complejos: la mayoría de los vértices están escasamente conectados,
mientras que un escaso número de nodos están altamente inter-conectados, y
juegan un papel importante en términos funcionales. El método de trabajo suele
consistir en aplicar unas potentes herramientas de modelización
estadística para analizar las propiedades y topologías de estas estructuras.
¿Qué se puede destacar de su trabajo?
Aunque el tema se presenta complejo, a más de uno le puede
interesar una visión panorámica de los avances en este tipo de análisis:
Bornholdt, S. &
Schuster, H.G. (Eds.) (2002). Handbook of graphs and networks. From the Genom to the Internet.
Weinheim: Wiley-VCH.
Sin embargo, no todo el monte es orégano. Ni
siquiera para los físicos. Es frecuente que en la construcción de modelos se
definan los parámetros a priori, sin partir de una base empírica. La
información contradictoria se interpreta en términos de “ruido”. La
simulación también prescinde a veces de datos empíricos. Y se intenta
generalizar sin más a la explicación de fenómenos sociales modelos elaborados
para fenómenos físicos.
Aquí es donde puede entrar en juego la colaboración
inter-disciplinar. En lo que hace referencia a nuestro ámbito, podemos recurrir
al tópico y afirmar: “no preguntéis qué puede hacer la física por las
ciencias sociales, sino qué pueden hacer las ciencias sociales por la física”. En
efecto, las ciencias sociales están en condiciones de aprovechar la capacidad
de modelización de la física, pero al mismo tiempo de definir (basándose
en conocimiento empírico largamente contrastado) los presupuestos de tales
modelos. Las ciencias sociales tienen un papel substancial a la hora de
formular preguntas, y de orientar sobre los criterios de clasificación de las
topologías de redes.
De hecho, ya se está trabajando con esa lógica
multidisciplinar en encuentros en los que se discute la aplicabilidad del
análisis de sistemas complejos a la sociología, la economía, la biología,
etcétera. Valga un botón de muestra:
International
Workshop on Complex Systems in Natural and Social Sciences (CSNSS’02).
September 26-29, 2002, Matrafured, Hungary.
Los trabajos de Duncan Watts y Mark Newman, son dos
buenos ejemplos de la aplicación del análisis de sistemas complejos a redes
sociales.
Watts recuerda que los “seis grados de
separación” de Milgram se caracterizan precisamente por ser una
aproximación más realista al problema del mundo pequeño (small-world)
que el enfoque matemático pionero de Pool y Kochen.
Las redes de mundo pequeño no sólo sugieren que
existen caminos cortos entre pares de nodos elegidos al azar, sino que los
individuos pueden encontrar en la práctica dichos caminos utilizando
simplemente (a) información local sobre la red y (b) estrategias heurísticas
simples. Siguiendo esta lógica, Watts cuestiona que la estructura social
coincida con las rejillas geométricas que se utilizan en los modelos físicos, y
pone en duda que la estructura de la red sea suficiente para conocer los
patrones de búsqueda de los individuos en mundos pequeños.
En cierto modo, los individuos dividen el mundo
jerárquicamente, en función de la distancia social. Por eso se puede avanzar la
hipótesis de que la identidad social condiciona tanto la creación de la red
como las estrategias personales de búsqueda con éxito.
Por su parte, Mark Newman toma como punto de
partida la gran cantidad de evidencias empíricas que muestran la tendencia de
las personas a asociarse con otros individuos similares. Por ejemplo, si entre
los nodos más débiles de una red vamos retirando aquellos con más poder de
intermediación (betweeness), observamos cómo se va rompiendo en
agrupaciones.
La aportación de Newman es formular una ecuación
que refleja el índice de asociación de una red. Al aplicarlo a redes conocidas,
se puede distinguir entre las redes que se ajustan a una lógica asociativa y
aquellas que no. Entre las primeras se cuentan por ejemplo la red de
colaboración entre actores, las relaciones entre estudiantes y las co-autorías.
No son asociativas sin embargo las redes de neuronas, la cadena de alimentación
o Internet. Una implicación interesante de esta categorización es que las redes
asociativas son muy resistentes, pues mantienen su funcionamiento aún quitando
los nodos “más fuertes”.
¿Qué revelan los trabajos tan sugerentes de Watts y
Newman? Pues que cuando la física se encuentra con la ciencia social el placer
es mutuo. Y que tanto a unos como a otros corresponde escribir las leyes del
Análisis de Redes Sociales.