Nota: El curso será dictado en Español pero el material de lectura y slides pueden estar en Inglés

Resumen

El análisis de redes sociales (ARS) es una disciplina teórico-práctica multidisciplinaria, surgida en la primera mitad del siglo XX desde las ciencias sociales para estudiar redes conformadas por agentes sociales (personas u organizaciones) que interactúan entre sí mediante relaciones o lazos interpersonales. El surgimiento de las redes sociales online, el desarrollo de las TI y del big data, han derivado en un crecimiento explosivo de la disciplina, la que actualmente tiene un fuerte componente de ciencias de la computación (análisis de datos, teoría de grafos) y donde convergen las ciencias de la ingeniería, las matemáticas discretas y las ciencias del comportamiento. Actualmente, el ARS se puede aplicar a lo más diversos contextos, tales como marketing, ciencias políticas, salud, educación, manejo de desastres naturales, etc. El objetivo del curso es brindar a los estudiantes conocimientos teóricos y aplicados relacionados con el ARS; comprender y modelar problemas ingenieriles como redes sociales, extraer conjuntos de datos, visualizarlos, analizarlos y obtener valor agregado de ellos para procesos de toma de decisiones. En particular nos centraremos en los fenómenos de centralidad y dispersión de influencia, dos de los problemas más importantes de la disciplina.

Temario

• Conectividad en redes sociales • Centralidad en redes sociales • El fenómeno de la dispersión de influencia • Experimentación práctica con análisis de redes sociales.

Prerrequisitos

Nociones básicas de teoría de grafos. Nociones básicas de programación.

Bibliografía

• S. Wasserman, K. Faust (2009). Social network analysis: Methods and applications. Cambridge: Cambridge University Press.
• P. J. Carrington, J. Scott, S. Wasserman (eds.) (2005). Models and methods in social network analysis. Cambridge: Cambridge University Press.
• Python Data Science Handbook (Full text in Jupyter Notebooks): https://github.com/jakevdp/PythonDataScienceHandbook
• F. Riquelme, P. González-Cantergiani (2016). Measuring user influence on Twitter: A survey. Information Processing and Management 52: 949-975.
• D. Kempe, J. Kleinberg, É. Tardos (2003). Maximizing the spread of influence through a social network. In SIGKDD’03, pp. 137-146. Washington, DC, USA.