UFRJ Universidade Federal do Rio de Janeiro
COPPE Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
PESC Programa de Engenharia de Sistemas e Computação
Projeto de Pesquisa:
Análise de Redes Sociais
Candidato a Bolsa
Victor Ströele de Andrade Menezes, D.Sc. COPPE/UFRJ Currículo Lattes: http://lattes.cnpq.br/7561791813071961 Identidade: M-9.293.236
Resumo
O projeto de pesquisa proposto é composto por dois módulos principais: análise e visualização das redes sociais. Embora sejam módulos distintos, eles estão estreitamente relacionados, já que um depende diretamente do outro. Este projeto prevê a continuação de parte das pesquisas iniciadas na tese de doutorado e a execução de novas pesquisas. Este projeto tem aplicabilidade nos cenários empresariais/comerciais, como também pode trazer grandes contribuições para o cenário acadêmico.
1 – Introdução
As Redes Sociais são estruturas sociais dinâmicas formadas por indivíduos ou organizações. Geralmente, essas redes são representadas por nós ligados por um ou mais tipos de relacionamentos. Embora sejam estruturas extremamente complexas, analisá-las nos permite detectar diversos tipos de conexões entre as pessoas dentro e fora de suas instituições.Em geral, as relações representam um ou mais tipos de interdependência (como idéia e religião) ou relacionamentos mais específicos (como troca de conhecimento, informação e amizade). Assim, com essa estrutura social, a troca de dados e informações entre os indivíduos ou organizações pode ser estudada e analisada em diferentes níveis de detalhes. Embora sejam estruturas extremamente complexas, analisá-las nos permite detectar diversos tipos de conexões entre as pessoas dentro e fora de suas instituições.
Existem dois tipos de dinamismos que podem ser considerados na análise das redes sociais. O primeiro é com relação à localização geográfica dos elementos da rede. Já que as pessoas estão em constante movimento, as redes sociais formadas por elas também estão se “movimentando” livremente. Assim, caso uma pessoa precise de ajuda, deve ser indicado a ela pessoas que estão próximas fisicamente e que possuam o conhecimento necessário para solucionar o seu problema.
O segundo refere-se à passagem do tempo na rede social. As pessoas mudam de opinião, estabelecem novas amizades, “esfriam” relacionamentos antigos, etc., e essas mudanças fazem com que a estrutura da rede social também mude, refletindo o comportamento social das pessoas. Por exemplo, a entrada ou saída de uma pessoa em uma rede social resulta na criação ou remoção de muitos relacionamentos, formando um ciclo de entradas e saídas, que mantém a rede social viva e em constante alteração.
Do ponto de vista da Mineração de Dados, uma rede social é um conjunto de dados multi-relacional representado por um grafo [3]. O grafo é tipicamente muito grande, com nós correspondendo a objetos e arestas às relações entre esses objetos. A área que estuda as redes sociais é chamada de mineração de ligações (link mining) ou análise de ligações (link analysis) [3, 4] e um dos desafios dessa área é a identificação de grupo.
Identificando grupos de pessoas é possível avaliar como ocorre o fluxo de conhecimento entre elas, entre os grupos e também entre as organizações (empresas, universidades, etc.) às quais essas pessoas pertencem. Além disso, é possível identificar os centralizadores de conhecimento. Esses elementos, além de serem pontos críticos, pois centralizam o conhecimento, podem ser classificados como: pessoas que, em virtude de suas relações com as pessoas em diferentes organizações servem como chaves de fronteira (passando informações e contexto de um grupo para outro) ou pontos de estrangulamento (impedindo o fluxo de informações e contexto) [5].
Todos os conceitos definidos anteriormente fazem parte do problema de Análise de Redes Sociais. Através deles é possível identificar padrões em coleções de pessoas conectadas por diversos tipos de relacionamentos. Esses estudos estão voltados para a análise dos relacionamentos entre as pessoas e não para as características pessoais de cada indivíduo.
Assim, enquanto os métodos tradicionais de análise social avaliam os indivíduos e seus atributos, tais como: sexo, idade e renda, os estudos das redes sociais focam suas análises nas conexões que fazem com que os indivíduos se relacionem e troquem informações [6].
Este projeto propõe um modelo para análise de redes sociais através do qual vários aspectos são considerados, tais como: tipos de relacionamentos diferentes, pesos diferenciados para cada tipo de relacionamento, inclusão do fator tempo no processo de análise, perda de informação na transferência de conhecimento entre os elementos, dentre outros.
O modelo proposto terá informações temporais e será desenvolvido para que ele possa ser aplicado a diferentes problemas. A estrutura desse modelo e os cenários que serão abordados neste projeto estão descritos no decorrer desta proposta.
2 – Objetivos e Metas
2.1 – Detalhamento da Proposta
Este projeto apresenta uma proposta baseada em técnicas de Mineração de Dados com o intuito de identificar ligações intra e inter organizacionais e permitir uma análise detalhada dessas ligações. Com o uso de técnicas de agrupamento são identificados grupos de pessoas afins, de forma que o fluxo de conhecimento na rede social pode ser avaliado. Além disso, novos relacionamentos podem ser sugeridos para melhorar o esse fluxo de informações. Assim, propomos um framework para suporte à análise das redes sociais multi-relacionais, que inclui módulos voltados para análise e previsão de novos relacionamentos, além de um módulo para a análise visual da rede.
O tipo de uma rede social é definido pelo contexto que essa rede representa. Geralmente, o tipo de uma rede social está diretamente ligado ao tipo de relacionamento envolvido nessa rede. Assim, diferentes tipos de relacionamentos produzem deferentes tipos de redes sociais, mesmo quando o conjunto de observações é mantido sem alteração. Por exemplo, uma rede na qual os
atores são pessoas pode ter conceitos de amizade, co-autoria ou vínculo empregatício variando apenas o tipo do relacionamento da rede, mesmo que o conjunto de pessoas seja mantido o mesmo.
Um dos objetivos deste projeto é realizar uma análise completa nas redes sociais. Nesse tipo de análise todas as informações de todos os relacionamentos de todos os atores são utilizadas a fim de explicar a estrutura relacional da rede social como um todo.
Para se analisar as redes sociais de uma maneira completa é necessário o uso de um conjunto de elementos (métodos,
reflitam o estudo social da rede. Alguns desses elementos já foram identificados para o estudo e desenvolvimento de um framework para análise das redes sociais científicas, resultado da tese de doutorado do candidato deste projeto [10].
Temos como objetivo principal expandir os estudos realizados nessa tese de doutorado e aplicá-los a outros tipos de redes sociais. Assim, será possível o desenvolvimento de um framework que se adapte a tipos diferentes de redes sociais.
Para realizar a análise completa e desenvolver um framework que se adapte a diversos tipos de redes sociais serão desenvolvidos, neste projeto, alguns protótipos que terão uma arquitetura definida em camadas. As principais camadas dessa arquitetura estão na Figura 1.
2.2 – Resultados Pretendidos
Em síntese, este projeto tem como objetivos principais (1) o fortalecimento da linha de pesquisa em Análise de Redes Sociais na COPPE/UFRJ em alinhamento com requisitos necessários ao desenvolvimento de sistemas reais e para apoio à pesquisa; (2) a consolidação de um grupo de pesquisa em Análise de Redes Sociais e de uma comunidade virtual focada na disseminação, uso e evolução dos conceitos definidos; e (3) o desenvolvimento de um framework único para análise completa de redes sociais que reflita a realidade das organizações, auxiliando a tomada de decisão por parte dos integrantes dessas organizações, sejam essas organizações comerciais ou acadêmicas.
3 – Estratégia de Desenvolvimento do Projeto
3.1 – Metodologia
A metodologia a ser aplicada será baseada na proposta de modelos e técnicas, além do desenvolvimento de ferramentas computacionais para avaliação dos mesmos.
Detalhando esta abordagem temos:
1) Levantamento e estudo aprofundado dos trabalhos realizados na área: • Definição de um Modelo para Análise de Redes Sociais
♦ Múltiplos Relacionamentos ♦ Peso e Idade dos Relacionamentos
♦ Perda de Informação na transferência de conhecimento • Algoritmos de mineração de dados para identificar pessoas com
interesses em comum
• Análise do Fluxo de Conhecimento
• Algoritmo para sugestão e previsão de novos relacionamentos • Análise evolutiva das redes sociais
• Ferramenta de Análise Visual das informações
2) Monitoramento dos trabalhos relacionados ao tema de pesquisa desse projeto publicados em congressos e revistas.
3) Desenvolvimento e avaliação dos protótipos desenvolvidos.
4) Criação de novas parcerias (nacionais e internacionais), através de co-autoria, co-orientação e troca dos conhecimentos adquiridos.
5) Avaliação e publicação dos resultados obtidos durante o desenvolvimento deste projeto.
3.2 – Plano de Trabalho
Primeiro Ano:
Mês
Atividade 1 2 3 4 5 6 7 8 9 10 11 12
1. Instalação e Configuração do Ambiente de Trabalho 2. Criação da Comunidade Virtual (site, fórum, etc.)
2.1. Convite/Inclusão dos pesquisadores e alunos já envolvidos nos estudos deste projeto
2.2. Documentação dos conceitos já definidos na tese de doutorado do candidato
3. Integração do Protótipo para análise de redes sociais científicas com a fonte de dados científicos1
4. Escolha das Fontes de Dados
5. Criação do DW para as fontes selecionadas
6. Levantamento dos itens para a modelagem das redes sociais
6.1. Análise dos tipos de relacionamentos existentes na rede social 6.2. Análise dos critérios para dar pesos aos relacionamentos 6.3. Análise da evolução dos relacionamentos (enfraquecimento,
fortalecimento ou rompimento)
6.4. Análise dos critérios para definir a perda de conteúdo na transferência de informação
7. Definição de um processo padronizado para a modelagem das redes sociais
8. Desenvolvimento de um protótipo
9. Monitoramento dos trabalhos relacionados 10. Publicação dos resultados parciais
Segundo Ano:
Mês
Atividade 1 2 3 4 5 6 7 8 9 10 11 12
1. Seleção de outras fontes de dados 2. Atualização do DW
3. Aplicar o processo de modelagem nas novas fontes de dados 4. Desenvolvimento do módulo de mineração de dados
5. Desenvolvimento do módulo de Previsão de Relacionamentos 6. Desenvolvimento do módulo de Sugestão de Relacionamentos 7. Análise dos resultados obtidos
7.1. Análise dos padrões identificados pelos módulos de mineração de dados, de previsão e sugestão de relacionamentos 7.2. Análise dos Conectores Centrais
7.3. Análise do Fluxo de Conhecimento
7.4. Análise da evolução temporal dos membros e de seus relacionamentos
8. Desenvolvimento de um protótipo
9. Monitoramento dos trabalhos relacionados 10. Publicação dos resultados parciais
1
Os dados utilizados no desenvolvimento do protótipo para análise de redes sociais científicas foram extraídos de uma ferramenta de Gestão do Conhecimento Científico, desenvolvida e mantida pela linha de banco de dados na COPPE/UFRJ. Por isso, a integração entre essas ferramentas é viável.
Terceiro Ano:
Mês
Atividade 1 2 3 4 5 6 7 8 9 10 11 12
1. Levantamento dos principais componentes visuais para a análise de redes sociais
2. Análise das bibliotecas disponíveis para o desenvolvimento da ferramenta
3. Definição do formato dos relatórios e gráficos para apresentar os resultados das análises aos usuários
4. Desenvolvimento do módulo de Interface
5. Definição de um Framework genérico para análise de redes sociais2
6. Monitoramento dos trabalhos relacionados 7. Publicação dos resultados finais
Referências Bibliográficas
1. Huang, D. Liben-Nowell, and J. Kleinberg. The link prediction problem for social
networks. in Proceedings of the twelfth international conference on information and knowledge management. 2003.
2. Zhuge, H. and W. Guo, Virtual knowledge service market—For effective knowledge
flow within knowledge grid. Journal of Systems and Software, 2007. Volume 80(Issue 11): p.
1833-1842.
3. Han, J. and M. Kamber, Data Mining: Concepts and techniques. 2006: USA, Morgan Kaufmann Publishers.
4. Agrawal, R., et al. Mining newsgroups using networks arising from social behavior. in
Proceedings of 12th International World Wide Web Conference. 2003.
5. Jackson, M.O., Social and Economic Networks. 2010: Princeton University Press. 6. Hansen, D., B. Shneiderman, and M.A. Smith, Analyzing Social Media Networks with
NodeXL: Insights from a Connected World. 2010: Morgan Kaufmann.
7. Cross, R.L., A. Parker, and R. Cross, The Hidden Power of Social Networks:
Understanding How Work Really Gets Done in Organizations. 2004: Harvard Business Press.
8. Pioch, N., et al. A Link and Group Analysis Toolkit (LGAT) for Intelligence Analysis. 2005: https://analysis.mitre.org/proceedings/Final_Papers_Files/348_Camera_Ready_Paper.pdf. 9. McMahon, S., K. Miller, and J. Drake, Networking Tips for Social Scientists and
Ecologists. Journal of Science, 2001. vol. 293: p. 1604-1605.
10. Ströele, V., Análise de Redes Sociais Científicas, in COPPE/UFRJ. 2012, Universidade Federal do Rio de Janeiro: Rio de Janeiro.
11. Leskovec, J., J. Kleinberg, and C. Faloutsos. Graphs Over Time: Densification Laws,
Shrinking Diameters and Possible Explanations. in Proceedings of the eleventh ACM SIGKDD International Conference on Knowledge Discovery in Data Mining. 2005.
12. Potgieter, A., et al., Temporality in Link Prediction: Understanding Social Complexity. Journal Article E:CO, 2009. vol. 11.
13. Acar, E., D.M. Dunlavy, and T.G. Kolda. Link Prediction on Evolving Data Using
Matrix and Tensor Factorizations. in IEEE International Conference on Data Mining Workshops. 2009.
2
