Inferencia en redes complejas de origen social

Mostrar todas las versiones(3)

El estudio de los sistemas complejos, y en particular aquellos de origen social, representa un área de conocimiento que puede parecer formada por ideas inconexas a primera vista. Mientras que para ciencias como la Física existen conceptos más o menos definidos para precisar qué es la complejidad, ot...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Salgado Corrado, Ariel Olaf
Otros Autores: Caridi, Délida Inés
Formato: Tesis doctoral publishedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2022
Materias:
REDES COMPLEJAS
SISTEMAS COMPLEJOS
INFERENCIA
SISTEMAS DE ORIGEN SOCIAL
MODELOS GRAFICOS
COMUNIDADES
REDES QUE EVOLUCIONAN
MOVILIDAD URBANA
COMPLEX NETWORKS
COMPLEX SYSTEMS
INFERENCE
SYSTEMS OF SOCIAL ORIGIN
GRAPHICAL MODELS
NETWORK COMMUNITIES
EVOLVING NETWORKS
URBAN MOBILITY
Acceso en línea:https://hdl.handle.net/20.500.12110/tesis_n7213_SalgadoCorrado
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id tesis:tesis_n7213_SalgadoCorrado
record_format dspace
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv spa
topic REDES COMPLEJAS
SISTEMAS COMPLEJOS
INFERENCIA
SISTEMAS DE ORIGEN SOCIAL
MODELOS GRAFICOS
COMUNIDADES
REDES QUE EVOLUCIONAN
MOVILIDAD URBANA
COMPLEX NETWORKS
COMPLEX SYSTEMS
INFERENCE
SYSTEMS OF SOCIAL ORIGIN
GRAPHICAL MODELS
NETWORK COMMUNITIES
EVOLVING NETWORKS
URBAN MOBILITY
spellingShingle REDES COMPLEJAS
SISTEMAS COMPLEJOS
INFERENCIA
SISTEMAS DE ORIGEN SOCIAL
MODELOS GRAFICOS
COMUNIDADES
REDES QUE EVOLUCIONAN
MOVILIDAD URBANA
COMPLEX NETWORKS
COMPLEX SYSTEMS
INFERENCE
SYSTEMS OF SOCIAL ORIGIN
GRAPHICAL MODELS
NETWORK COMMUNITIES
EVOLVING NETWORKS
URBAN MOBILITY
Salgado Corrado, Ariel Olaf
Inferencia en redes complejas de origen social
topic_facet REDES COMPLEJAS
SISTEMAS COMPLEJOS
INFERENCIA
SISTEMAS DE ORIGEN SOCIAL
MODELOS GRAFICOS
COMUNIDADES
REDES QUE EVOLUCIONAN
MOVILIDAD URBANA
COMPLEX NETWORKS
COMPLEX SYSTEMS
INFERENCE
SYSTEMS OF SOCIAL ORIGIN
GRAPHICAL MODELS
NETWORK COMMUNITIES
EVOLVING NETWORKS
URBAN MOBILITY
description El estudio de los sistemas complejos, y en particular aquellos de origen social, representa un área de conocimiento que puede parecer formada por ideas inconexas a primera vista. Mientras que para ciencias como la Física existen conceptos más o menos definidos para precisar qué es la complejidad, otras disciplinas interpretan al área de sistemas complejos como un conjunto de metodologías independientes. Entre ellas, la inferencia probabilística y el análisis de redes son dos de las herramientas más comúnmente consideradas. En esta tesis proponemos un camino que conecta estas dos herramientas a través de ejemplos, mostrándolas como dos extremos de una misma metodología, enfocada en caracterizar relaciones entre elementos de un sistema. Los ejemplos presentados representan a su vez una contribución al estudio de los sistemas de origen social desde una perspectiva de Física y de Sistemas Complejos. Los sistemas estudiados corresponden a tres temáticas distintas dentro de los sistemas de origen social. Primero, consideramos un proceso de construcción de conocimiento comunitario: el crecimiento de la red de paquetes del lenguaje de programación R. Modelamos el crecimiento en términos probabilísticos, considerando cómo cambia la forma enque nuevos paquetes se incorporan a la red conforme esta crece. Luego, consideramos un modelo de disputas en redes sociales. Tomamos la red del Club de Karate estudiada por W. Zachary para caracterizar el resultado de una disputa empleando modelos gráficos. Inferimos la fuerza que tiene cada actor para imponer su postura en la red en términos de su grado, a la vez que desarrollamos una metodología para identificar a los actores centrales en una división de la red en facciones o grupos. Por último, consideramos un problema de urbanismo: cuál es el contexto con el que se encuentran los ciudadanos durante sus actividades diarias. Para esto, construimos un modelo probabilístico, considerando dónde viven los ciudadanos, así como la ubicación de espacios de interés de la ciudad. Visualizando este modelo como una red bipartita pesada, el análisis de redes complejas permite caracterizar la estructura de una distribución de probabilidad mediante conceptos propios de redes complejas. De esta forma, al final del camino se puede visualizar al análisis de redes complejas y la inferencia probabilística como dos metodologías hermanas vistas desde la perspectiva de los sistemas de origen social. Cada aporte a las tres temáticas consideradas deja a su vez preguntas interesantes, plausibles de ser continuadas en futuros trabajos.
author2 Caridi, Délida Inés
author_facet Caridi, Délida Inés
Salgado Corrado, Ariel Olaf
format Tesis doctoral
Tesis doctoral
publishedVersion
author Salgado Corrado, Ariel Olaf
author_sort Salgado Corrado, Ariel Olaf
title Inferencia en redes complejas de origen social
title_short Inferencia en redes complejas de origen social
title_full Inferencia en redes complejas de origen social
title_fullStr Inferencia en redes complejas de origen social
title_full_unstemmed Inferencia en redes complejas de origen social
title_sort inferencia en redes complejas de origen social
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2022
url https://hdl.handle.net/20.500.12110/tesis_n7213_SalgadoCorrado
work_keys_str_mv AT salgadocorradoarielolaf inferenciaenredescomplejasdeorigensocial
AT salgadocorradoarielolaf inferenceoncomplexnetworksofsocialorigin
_version_ 1782023232889552896
spelling tesis:tesis_n7213_SalgadoCorrado2023-10-02T20:26:15Z Inferencia en redes complejas de origen social Inference on complex networks of social origin Salgado Corrado, Ariel Olaf Caridi, Délida Inés REDES COMPLEJAS SISTEMAS COMPLEJOS INFERENCIA SISTEMAS DE ORIGEN SOCIAL MODELOS GRAFICOS COMUNIDADES REDES QUE EVOLUCIONAN MOVILIDAD URBANA COMPLEX NETWORKS COMPLEX SYSTEMS INFERENCE SYSTEMS OF SOCIAL ORIGIN GRAPHICAL MODELS NETWORK COMMUNITIES EVOLVING NETWORKS URBAN MOBILITY El estudio de los sistemas complejos, y en particular aquellos de origen social, representa un área de conocimiento que puede parecer formada por ideas inconexas a primera vista. Mientras que para ciencias como la Física existen conceptos más o menos definidos para precisar qué es la complejidad, otras disciplinas interpretan al área de sistemas complejos como un conjunto de metodologías independientes. Entre ellas, la inferencia probabilística y el análisis de redes son dos de las herramientas más comúnmente consideradas. En esta tesis proponemos un camino que conecta estas dos herramientas a través de ejemplos, mostrándolas como dos extremos de una misma metodología, enfocada en caracterizar relaciones entre elementos de un sistema. Los ejemplos presentados representan a su vez una contribución al estudio de los sistemas de origen social desde una perspectiva de Física y de Sistemas Complejos. Los sistemas estudiados corresponden a tres temáticas distintas dentro de los sistemas de origen social. Primero, consideramos un proceso de construcción de conocimiento comunitario: el crecimiento de la red de paquetes del lenguaje de programación R. Modelamos el crecimiento en términos probabilísticos, considerando cómo cambia la forma enque nuevos paquetes se incorporan a la red conforme esta crece. Luego, consideramos un modelo de disputas en redes sociales. Tomamos la red del Club de Karate estudiada por W. Zachary para caracterizar el resultado de una disputa empleando modelos gráficos. Inferimos la fuerza que tiene cada actor para imponer su postura en la red en términos de su grado, a la vez que desarrollamos una metodología para identificar a los actores centrales en una división de la red en facciones o grupos. Por último, consideramos un problema de urbanismo: cuál es el contexto con el que se encuentran los ciudadanos durante sus actividades diarias. Para esto, construimos un modelo probabilístico, considerando dónde viven los ciudadanos, así como la ubicación de espacios de interés de la ciudad. Visualizando este modelo como una red bipartita pesada, el análisis de redes complejas permite caracterizar la estructura de una distribución de probabilidad mediante conceptos propios de redes complejas. De esta forma, al final del camino se puede visualizar al análisis de redes complejas y la inferencia probabilística como dos metodologías hermanas vistas desde la perspectiva de los sistemas de origen social. Cada aporte a las tres temáticas consideradas deja a su vez preguntas interesantes, plausibles de ser continuadas en futuros trabajos. The study of complex systems, and in particular those of social origin, represents a knowledge area which may appear disconnected at first. While in disciplines like Physics there is a consensus of what complexity means, other areas see complex systems analysis as a set of independent tools coming from different disciplines. Among them, the Probabilistic Inference and the Complex Networks Analysis are two of the most common tools of the area. In this thesis, we propose a path connecting these two disciplines through examples. The path presents them as two extremes of one methodology, focused in characterizing relations among objects. Also, the examples represent a contribution to the study of systems of social origin from a Physics and Complex Systems perspective. The studied systems come from three different topics within the systems of social origin. First, we consider a communitary knowledge building process: the growth of the network of packages of R, the programming language. We model the network growth in probabilistic terms, considering how the way in which new packages arrive to the network changes as the network evolves. Second, we develop a model of conflict in social networks. We consider the Karate Club network studied by W. Zachary. We characterize the result of a conflict among two actors using graphical models. We infer the capability of an actor to impose its opinion in terms of its degree. Also, we develop a model for detecting the most relevant actors for a given division of the network into factions or groups. Third, we consider a problem from urban planning: the context in which a citizen realizes their daily activities. We build a probabilistic model, considering where the citizens live and where the spaces of interest are located. After visualizing the model as a bipartite weighted network, the complex networks analysis allows characterizing a probability distribution under concepts from network science. This way, at the end of the path we can visualize the complex network analysis and the probabilistic inference as two sister methodologies seen from the perspective of the social systems. Each contribution to the three topics considered leaves interesting questions, plausible to continue in future works. Fil: Salgado Corrado, Ariel Olaf. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2022-11-24 info:eu-repo/semantics/doctoralThesis info:ar-repo/semantics/tesis doctoral info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/tesis_n7213_SalgadoCorrado

Ejemplares similares