2.2 ANÁLISE DE REDE SOCIAL
2.2.2 Dados Sociais: Tipologia e Forma de Tratamento
Segundo Scott (2000), apesar de haver um interesse crescente pela utilização dos métodos de análise de redes sociais, eles têm sido vistos como inatingíveis para muitos pesquisadores, que encontraram dificuldades para entender a linguagem técnica e matemática em que muitos destes métodos são discutidos. Para o autor somente se o pesquisador tem um claro entendimento da lógica de um método é que ele pode fazer um julgamento sociológico sobre sua relevância para uma determinada pesquisa.
A primeira tarefa do processo de entendimento deve ser a definição do tipo de dado para o qual a análise de rede social é a mais adequada (SCOTT, 2000). Os principais tipos de dados são "dados de atributos” e “dados relacionais”. Dados de atributos referem-se às atitudes, opiniões e comportamentos e são considerados propriedades, qualidades ou características dos indivíduos ou grupos que podem ser quantificados e analisados através de procedimentos estatísticos. Os dados relacionais são os contatos, os laços, as ligações, as reuniões e conexões de grupo, que relacionam um ator a outro e por isso não podem ser reduzidos a propriedades dos atores. Os métodos apropriados para dados relacionais são os de análise de rede, em que as relações são tratadas para expressar as ligações que existem entre os agentes.
O uso dos métodos de análise de redes sociais depende da disponibilidade dos dados relacionais. Logo é importante que os mesmos sejam coletados, organizados e armazenados para futuras análises.
a)Coleta de dados: Existem problemas importantes na seleção dos dados relacionais. A identificação das fronteiras/limites da seleção é um deles. Por exemplo, qual a definição de amizade forte em um grupo? Não é mesma para todos os elementos do grupo. Essa situação deve ser contornada com a identificação dos limites da situação sob investigação, porém, não os limites naturais ou óbvios, mas os limites oriundos de um estudo teórico mais profundo da situação pesquisada. Ou seja, pesquisadores devem ser envolvidos em um processo de elaboração conceitual e construção de um modelo e não simplesmente na coleta de dados pré-formatados.
Uma vez que as fronteiras do estudo são definidas, a pesquisa deve definir a população alvo de estudo. Duas abordagens são identificadas: posicional e reputacional. Na abordagem posicional o pesquisador define posições ou grupos de interesse (sala de aula, grupo de trabalho, etc.) e posteriormente colhe amostras entre os membros dessas posições ou grupos. Um problema conhecido nessa abordagem é a determinação das posições a serem escolhidas. Na abordagem reputacional, os elementos são escolhidos pela sua reputação no contexto da pesquisa, são nomeados por outros agentes com conhecimento para executar essa tarefa. Uma variação da estratégia reputacional é feita através da técnica de snowballing, onde um número de informantes indica um grupo de pessoas e esse grupo sua vez indicada outro grupo e assim segue, culminando com a formação do grupo a ser estudado. Nesse tipo de técnica a relação social em si é usada como uma cadeia para construção do grupo de estudo.
b) Organização dos dados relacionais
Os dados coletados geralmente são organizados na forma de uma matriz. No caso dos dados relacionais e quando os atores participam em várias afiliações eles devem ser dispostos em uma matriz do tipo “caso por afiliação”, onde as linhas são os casos, agentes ou atores analisados e as colunas são afiliações caracterizadas por eventos, organizações ou atividades que os agentes estão envolvidos. Na matriz I da Figura 3, as linhas são as companhias e as colunas são os diretores que trabalham nas companhias. Nas células a presença ou ausência do agente em determinada afiliação ou relacionamento é marcado com 1 ou 0.
A partir dessa matriz sociogramas ou grafos podem ser desenhados, contudo, quando o conjunto de dados a ser representado não é pequeno, o desenho e visualização de sociogramas se torna uma
tarefa complicada. Nesse caso, é recomendada a decomposição dos dados da matriz original em duas matrizes.
A primeira matriz, chamada de caso por caso, é uma matriz quadrada onde os casos ou agentes são listados duas vezes, primeiramente nas linhas e depois nas colunas e o conteúdo das células pode ser 1 ou 0 indicando a existência ou não de relacionamento entre os dois agentes em determinada afiliação. A matriz II da Figura 3 representa o relacionamento de companhia por companhia.
A segunda matriz, também quadrada, é chamada de afiliação por afiliação, tem as afiliações também listadas nas linhas e colunas e o conteúdo das células indica o número de agentes que as duas afiliações possuem em comum.
A matriz original (matriz I na Figura 3 é chamada de matriz de incidência e a matrizes resultantes são chamadas de matrizes de adjacência (matriz II e III na Figura 3). A maioria das técnicas de análise de redes envolvem a manipulação de matrizes de adjacência.
A Figura 3 ilustra os dados referentes a interligação de diretores em várias companhias. A organização dos dados relacionais é representada através de matrizes de incidência e adjacência. Nesse caso, o conteúdo da matriz de adjacência companhia x companhia contém o número de diretores em comum nas mesmas companhias. Os sociogramasdas matrizes de adjacência também são exibidos.
Figura 3 - Interligação de diretorias
c) Armazenamento dos dados relacionais
Muitas características fundamentais de redes podem ser analisadas através da manipulação direta de matrizes, em operações de transposição, adição e multiplicação. A álgebra matricial, no entanto, é bastante complexa para a maioria dos pesquisadores. Apesar de matrizes serem úteis para a organização e armazenamento de dados relacionais, softwares especializados permitem uma abordagem mais fácil e direta para análise de rede (SCOTT, 2004).
Softwares ou ferramentas de análise de rede são usados para representar graficamente os vértices (nodos) e arestas (relações) em uma rede e analisar os dados da rede. A maioria dos softwares de análise tem módulos para visualização da rede, onde a exploração dos dados é feita através de exibição de nós e relações em vários layouts, atribuindo cores, tamanho e outras propriedades avançadas para nós e relações.
A representação visual da rede é importante para compreender os dados da rede e transmitir o resultado da análise A visualização teve e sempre terá um papel importante na área de análise de redes, pois desde o início imagens de redes têm sido usadas tanto para desenvolver insights estruturais e de comunicar esses insights para outros (FREEMAN, 2000).
Existem muitos softwares especializados em análise de redes sociais, tais como UCINET8 (BORGATTI; EVERETT; FREEMAN,
2002), Pajek9 (BATAGELJ; MRVAR, 2003) e Gephi10 (BASTIAN;
HEYMANN; JACOMY, 2009), considerados os mais utilizados. Pajek e Gephi são softwares livre.
Em International Network for Social Network Analysis (INSNA) pode ser encontrada uma relação de softwares recomendados por membros dessa associação. Huisman e Van Duijn (2004) fizeram uma análise detalhada das diversas ferramenta disponíveis naquele período. Passmore (2011) também produziu uma extensa lista de ferramentas utilizadas para análise de redes sociais.