SESIÓN 3, Actividad 3: ANÁLISIS DE REDES SOCIALES: Educación Social Data Set 2 Grupo Comedia: Mario Arias, Ignacio Martín y José Antonio Barros 26/11/2009 Resumen: En este informe se presenta el análisis y las principales conclusiones que se han extraído tras analizar y tratar los datos de los actores de la red Educación Social (Data Set 2) mediante dos programas de software: UCINET para la parte de generación de salidas y NETDRAW para la parte de visualización gráfica de la red, así como sus interconexiones. 1. Introducción Para estudiar cómo las relaciones entre actores afectan a los mismos se utiliza la técnica de análisis de redes sociales, cuya representación se realiza en forma de matriz o grafo. En la sociomatriz se tiene un conjunto de actores en las filas y las columnas, que se repiten, representando la existencia de relación entre ellos en la misma. Los datos que se nos han proporcionado (Data Set 2) corresponden al caso Educación Social, que se trata de una red social construida a partir de las interacciones llevadas a cabo entre usuarios, en el curso 2005/2006, en la asignatura de Nuevas Tecnologías Aplicadas a la Educación en Educación Social. Las redes representan las relaciones indirectas entre actores, mediadas por el espacio compartido de un servidor BSCL (o Synergeia), un sistema de apoyo al trabajo en grupo basado en carpetas compartidas. En dicho sistema, se considera que hay un enlace entre dos actores cuando uno crea un objeto y otro realiza cualquier acción sobre él (lectura, modificación, anotación, etc.). El software que se ha empleado para analizar la información ha sido UCINET, para la generación de las salidas, y NETDRAW, para la visualización. 2. Estudio de las relaciones a. Data Set de Salida A partir del archivo que representa la red se genera con UCINET el archivo dataset de salida, que se presenta en la tabla mostrada a continuación, y en la que se pueden apreciar ya cosas interesantes acerca de las relaciones entre los actores. Algunas de ellas son las siguientes: - Como se puede observar, Rocío (la profesora), es la que más actividad presenta (lógico) ya que se puede ver en la primera fila cómo ha tenido interacción con prácticamente la totalidad de los integrantes del grupo. - Parece ser que Sheila ha tenido mucha actividad en su propia carpeta compartida (pensamos que podría ser que hubiera actualizado el mismo archivo en un gran número de ocasiones) - Eva parece una alumna aplicada ya que ha interactuado con un gran número de compañeros. - La mayor parte de los usuarios no ha utilizado la plataforma o lo ha hecho a un nivel bajo. - Los miembros de un mismo grupo van consecutivos en la tabla. Si nos fijamos en la diagonal, podemos ver algunos cuadrados, significa que los estudiantes han tenido interacciones con su mismo grupo. b. Valores globales La densidad media de la matriz identifica la cantidad de interacciones que los partícipes llevan a cabo, utilizando UCINET obtenemos un valor de 0.3135 que, junto con la desviación obtenida 1.9414, nos da una idea de la baja actividad que han tenido los actores. Esto se podía intuir a simple vista observando la cantidad de ceros de la matriz. c. Valores individuales Para conocer los usuarios más activos en la plataforma se ha efectuado un análisis del grado de centralidad. Observamos que la matriz no es simétrica, puesto que no es lo mismo que un alumno A acceda a la página B, que viceversa. Podríamos ignorar el sentido de la consulta y definir a partir de los datos una relación más abstracta “A y B han tenido algún tipo de interacción”, pero no sabríamos quién ha tenido la iniciativa. Por tanto usaremos el coeficiente de centralidad asimétrico, cuyos resultados se pueden observar en la tabla siguiente. A partir de esos resultados se puede observar como Rocío y Eva son las dos personas que concentran un mayor número de enlaces salientes (OutDegree). Sin embargo, los actores con un mayor número de enlaces entrantes (InDegree) han sido Pililopa y Rocío. Es decir Rocío y Eva son las dos personas que más información han generado (subida de archivos, generación de carpetas, etc) y Pililopa y Rocío son, a su vez, las que más modificaciones, lecturas y anotaciones han realizado en los archivos del resto de los usuarios. Las dos últimas columnas (NrmOutDeg y NrmInReg) representan los enlaces de salida y entrada normalizados. Se puede observar como hay varios actores que no han tenido ninguna relación con los demás. Si miramos el fichero de atributos, o hacemos un análisis de aislados en NetDraw (Analisys/isolates) veremos que los que no han tenido ningún tipo de acción se corresponden en general a los observadores de la clase. Algunos observadores han recibido visitas de los alumnos curiosos, pero no han participado de ningún modo. (Normal si son observadores). d. Red social: Procedemos a mostrar la red social gráficamente. Utilizamos el Triángulo para la profesora, círculos para los estudiantes, cuadrados para los observadores y cada grupo tiene un color diferente. Podemos apreciar una gran cantidad de relaciones, destacando la figura central de rocío. También vemos en los bordes algunos alumnos con una sola relación y algunos con ninguna. Para ver un poco las relaciones entre los alumnos eliminamos a los observadores y a la profesora y mostramos el grafo sin mover los nodos de lugar para poder comparar: Como podemos comprobar hay bastantes relaciones entre los alumnos aunque hay alguno más aislado. Los que ahora están aislados y antes no, significa que solo estaban relacionados con la profesora. Pasamos a comprobar si los grupos están bien cohesionados. Primero podemos poner los grupos juntos en el gráfico para ver cómo se interrelacionan entre sí: Como podemos observar, hay muchas relaciones entre los grupos, y los propios grupos, internamente, no están completamente relacionados entre sí. Por ejemplo el grupo 3 (abajo a la izquierda en verde oscuro) está apenas relacionado, sin embargo el grupo 2 (a la derecha en violeta) ha tenido mucha interacción: Para identificar gráficamente a los miembros más importantes de la clase, podemos utilizar alguna medida para aumentar el tamaño de los nodos con mayor peso. Prescindiremos de la profesora en ellos porque evidentemente destaca en todos los aspectos. En primera instancia utilizamos la medida de Eigenvector, que nos indica la centralidad global de cada nodo basándose en las conexiones con otros nodos de gran importancia. Como podemos observar Eva es la más importante según esta medida, lo cual es lógico por su alta participación con respecto a los demás miembros. Podríamos decir que es la que más iniciativa tiene. Otra medida que podemos utilizar es el betweenness direccional, para saber quién es el más central del grafo. En este caso vemos que es David seguido de cerca por Pililopa. Esto significa que estos son los miembros a los que más acuden los demás compañeros. 3. Conclusiones Una conclusión que podemos sacar es que algunos grupos aceptaron la aplicación como entorno de trabajo compartido para facilitar la tarea de colaboración y otros grupos fueron más tradicionales y prefirieron trabajar fuera de la aplicación por ejemplo mediante reuniones. No observamos demasiada cohesión interna en los grupos. Esto quiere decir que las tareas realizadas en la plataforma fueron más o menos individuales, o en el caso de los trabajos en grupo se realizaron fuera del entorno colaborativo. Como es normal, el profesor tiene un papel fundamental en incentivar a los alumnos a trabajar sobre la plataforma colaborativa. Algunos alumnos prácticamente no han participado, habría que estudiar cuales son los motivos de ello mediante algún tipo de entrevista o revisando los informes de los observadores. Por el contrario algunos alumnos como Pililopa, Eva, Carmen y David tienen un rol de líderes o de autoridad dentro del grupo, por su gran participación.