Análisis de redes sociales y visualización yuxtapuesta de las dinámicas de opinión en Twitter a la llegada del Papa Francisco a Colombia

Full text

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9808
Análisis de redes sociales y visualización yuxtapuesta de las dinámicas de
opinión en Twitter a la llegada del Papa Francisco a Colombia
Analysis of social networks and juxtaposed view of the dynamics of
opinion on Twitter at the arrival of Pope Francisco in Colombia
DOI:10.34117/bjdv5n7-155
Recebimento dos originais: 19/06/2019
Aceitação para publicação: 18/07/2019
José Castillo
Magíster en Publicidad. Coordinador In House, Universidad de Bogotá Jorge Tadeo Lozano.
Escuela de Publicidad. Facultad de Artes y Diseño. Universidad Jorge Tadeo Lozano.
Calle 25 # 4A - 49 / Módulo 18, 1er piso. Bogotá D.C., Colombia.
PBX: (+57 1) 2427030 + Opción 9 + Ext. 3210
Email: jose.castillo@utadeo.edu.co
Guillermo Rodríguez
Doctor en Psicología. Profesor Asociado II
Escuela de Publicidad. Facultad de Artes y Diseño. Universidad Jorge Tadeo Lozano.
Calle 25 # 4A - 49 / Módulo 20, 2do. piso. Bogotá D.C., Colombia.
PBX: (+57 1) 2427030 + Opción 9 + Ext. 3270
Email: guillermo.rodriguez@utadeo.edu.co
RESUMEN
El presente estudio propone un modelo de análisis para caracterizar el movimiento
observable de los agentes en las visualizaciones dinámicas de la red social Twitter desde la
perspectiva física del magnetismo. Entendiendo que los modelos de dinámicas de opinión
propuestos por la sociofísica recurren fundamentalmente al Modelo Ising ferromagnético, y
que los algoritmos de visualización dinámica del tipo Force-Directed que traducen las redes
a movimiento se basan también en principios magnéticos, se construyó un modelo de análisis
bajo los mismos principios magnéticos. El modelo tiene tres descriptores magnéticos:
sentido, dirección y velocidad, a los que se les suman las variables de campo magnético,
temperatura y entropía. Este modelo se puso a prueba junto a la metodología clásica
imágenes yuxtapuestas y análisis de redes sociales, para analizar el comportamiento de
agentes comunicativos publicitarios en la conversación generada en Twitter a la llegada del
Papa a Colombia. Los resultados fueron contrastados y cotejados para resaltar su utilidad en
el campo publicitario.
Palabras Clave: Dinámicas de opinión, comunicación digital, redes sociales, publicidad,
magnetismo.
ABSTRACT
The present study proposes a model of analysis to characterize the observable movement of
agents within the dynamic visualizations of the social network Twitter from the physical
perspective of magnetism. Taking into account that models of dynamics of opinion stated

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9809
from sociophysics fundamentally rely on the Ferromagnetic Ising Model, and that the
algorithms of dynamic visualization of the Force-Directed type that translate the networks to
movement are also based on magnetic principles, an analysis model was constructed under
the same magnetic principles. The model has three magnetic descriptors: direction,
orientation, and velocity, to which the variables of magnetic field, temperature and entropy
are added. This model was tested along with the classic juxtaposed images and analysis of
social networks methodology, so as to analyze the behavior of advertising communication
agents in the conversation generated on Twitter upon the Pope's arrival in Colombia. The
results were contrasted and compared to highlight their usefulness in the advertising field.
Key-words: Dynamics of opinion, digital communication, social networks, advertising,
magnetism.
1 INTRODUCCIÓN
Durante el proceso de aplicaciónde metodologías devisualización dinámica en
tiempo real(Sazama, 2015), para analizarel comportamiento de comunidades virtuales en las
conversaciones de Twitter, emerge unaspecto muy relevante del procedimiento que no tiene
asociada una categoría de análisis(Cogan, Andrews, Brandonjic, Kennedy, Sala, & Tucci,
2012), ni tampoco una reflexión teórica dentro delos modelos de análisis de redes
sociales(Brandes & Wagner, 2004): se trata del movimiento que describen los
agentessociales (@usuarios) ylos agentes comunicativos (# hashtags o mensajes) a través del
tiempo.
El movimiento, uno de los indicadores dentro de la interpretación visualque entrega
muchas intuiciones sobre su significado, no está caracterizado dentro de los protocolos de
análisis de redes sociales. Es por eso que, convencidos de su potencial utilidad para la
interpretación de dinámicas de opinión y estructura de comunidad, se ha construido un piso
teóricoque permiteconvertir ese fenómeno en las graficaciones dinámicas de red, esto es, en
un elemento cognoscible para la disciplina del análisis de redes sociales.
Mediante el estudio que acá se está presentando, se propone revisar el movimiento
observable de los agentes en las visualizaciones dinámicas de la red social Twitter desde la
perspectivafísica del magnetismo(Selinger, 2016).Por medio de esta propuesta, no solo se
posibilita explicar el movimiento de los actores, sino que también se crea una ruta para
explicar y comprender los patrones de agrupamiento(Zhou, Li, Li, Zhang, & Cui, 2017)que
se presentan en la estructura de la red social en cuestión.
El estudio que acá se presentaes la aplicación de los planteamientos arriba
esbozados, en el contexto de un caso publicitario en específico. Puntualmente, se observó y
analizó cómo se desarrollóun fenómeno puntual de dinámicas de opinión -la visita del Papa
Francisco a Colombia- dentro de la red dinámicaTwitter. Desde el punto de vista

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9810
procedimental, se utilizó un algoritmo del tipo Force-Directed para su graficación en tiempo
real, en específico, elForceAltlas2(Jacomy, Heymann, Venturini, & Bastian, 2011) sobre la
plataforma Gephi(Moody, McFarland, & Bender-demoll, 2005). Acto seguido, se
aplicaronlos protocolos propuestos para realizar el respectivo análisis de visualización
dinámica (Archambault & Purchase, 2016; Gaglio et al., 2016), basándose en los principios
del modelo de análisis de redes sociales (Wolfe, 1997). Esos resultados fueron contrastados
y cotejados contra la propuesta de análisis de visualización dinámica basada en la
interpretación propia del magnetismo.
2 MARCO TEÓRICO
2.1 MAGNETISMO Y DINÁMICAS DE OPINIÓN
El ferromagnetismo, fenómeno presente en muchos metales ordinarios como el
hierro y el níquel, se define desde la física de partículas como la aparición o presencia de
magnetización espontánea en determinados materiales,aún cuando estos no estén en
presencia de un campo magnético externo(Cannas, 2010). El fenómeno emerge cuando una
fracción importante de los momentos magnéticos (o espines) de los átomos se alinean en la
misma dirección que sus vecinos, producto de su interacción con los mismos.
Un método de análisis que permite a la física estudiar la aparición espontánea del
magnetismo en los materiales ferrosos, es el modelo Ising ferromagnético.Este apareció
primeramente como un ejercicio de teoría microscópica, de la mano del físico alemán
Wilhelm Lenz, quien en 1922 propuso a su estudiante Ernst Ising, resolver el problema de la
alineación espontánea de fases en los espines dentro de los fenómenos del ferromagnetismo.
El cuestionamiento no obtuvosoluciónsatisfactoria sino hasta 1944, cuando el ahora Premio
Nobel de Química, Lars Onsager,lo resolvió, aplicando una versión actualizada del
modelocreado por el estudiante Ising, conocido actualmente como Modelo Ising
ferromagnético(Moore, 1999).
El modelo Ising supone que existen N partículas ubicadas en las intersecciones de
una red de momentos magnéticos,ordenados sobre una cuadrícula bidimensional, como se
muestra en la figura 1. En cada intersección, el momento magnético particular se representa
mediante un giro, o spin, que sólo apunta hacia uno de dos sentidos, arriba o abajo. Dentro
de cada uno de esos giros, existe una magnitud de energía que es aportada por dos
fenómenos del sistema: uno, la interacción entre los giros producidos entre vecinos, y,dos, el
efecto de un campo magnético resultante de cada giro individual.

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9811
El objetivo del modelo es calcular cuánto orden magnético hay en el sistema. Ese
orden o magnetización M, resulta de una función matemática entre la fuerza de interacción
de los espines, el campo magnético, y la temperatura. El valor de M indica la magnitud del
orden en el sistema;si M está cerca de 0, el sistema está muy desordenado, con
aproximadamente la mitad de los giros apuntando hacia arriba y la mitad apuntando hacia
abajo. En comparación, si M está cerca de 1, el sistema está muy ordenado, con casi todos
los giros apuntando en la misma dirección.
Figura 1.Esquema visual del funcionamiento del modelo Ising ferromagnético. Se describe una
matriz con las partículas en las intersecciones, tomando una de dos posiciones posibles y reaccionando a la
interacción con las partículas vecinas. La partícula de color rojo define su giro de spin por la influencia de las
partículas amarillas. Este proceso se repite para todos los agentes del sistema.
El modelo de Ising puede pensarse entonces como una herramienta de visualización para
entender cómo la energía está distribuida en los grados de libertad del sistema (Grabowski &
Kosinski, 2006; Moore, 1999). Y para entenderesa distribución, la mecánica estadística
recurre al principio termodinámico de la entropía,ya que ella es una medida de cuándisipada
se encuentra la energía a través de diferentes grados de libertad del sistema.
A menor energía, menor entropía, menor temperatura, más espines homogéneos y
más orden en el sistema.Giros apuntando en una misma dirección reducen el nivel de
interacción entre los agentes, lo que reduce la energía total del sistema. Ahora, por el
contrario, a mayor energía, mayor temperatura,y, consecuentemente, mayor registro
deentropía; los espines cambiarán su valor al azar, derivando a un estado más desordenado y
con mayor grado de interacción entre los agentes.

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9812
Estos principios básicos del modelo Ising ferromagnético inspiraron la pregunta de
si estas simples premisas de interacción también se podían aplicara otros fenómenos
igualmente espontáneos y complejos.En el ámbito humanístico, la primera investigación que
consideró el modelo de Ising para explicar otros sistemas complejos, la realizó el físicoSerge
Galam.Dos célebres textos científicosde su autoría introdujeronlas premisas magnéticas y, a
su vez, inauguraron el campo de la sociofísica; en el primero,se hace una observación de los
desplazamientos coordinados de los cardúmenes de pescado, revisando su comportamiento
desde los giros spin delmodelo Ising.El segundo artículo, se presentan los primeros esbozos
de lo que hoy se conoce como dinámica de la formación de opinión.
En 1982,Galam y su equipo de investigadorespublicaron un artículo en el que
modelan el proceso dedinámica de opinión que llevó a la huelga a los trabajadores de una
planta en Estados Unidos. En este texto,Galam presentó su modelo de dinámicas de opinión,
basado en el modelo Ising ferromagnético,y estableció un marco claro para sociofísica como
campo de investigación científica.
El modelo dinámico de opinión postulado por Galam es un modelo de acoplamiento
spin-spin, que representa una interacción agente-agente dentro de un campo magnético (en el
caso puntual de la huelga de empleados, representa los efectos de la información y la
propaganda). En su modelo, los agentes actualizan sus opiniones de acuerdo con un conjunto
limitado de reglas fijas que los afectan individual y colectivamente(Galam, 2004). Los
agentes están conectados por un gráfico subyacente que define la topología del sistema y
reacciona ante las interacciones existentes entre los vecinos más cercanos. De esas
interdependencias emergen campos locales (o individuales) que reflejan la preferencia del
agente hacia cada posible orientación (u opinión). En el modelo de Ising, cada agente tiene
una opinión representada como un giro que puede ser hacia arriba o hacia abajo,
estableciéndose una elección entre dos opciones. Dependiendo de la solidez de los campos
locales, el sistema puede alcanzar un consenso total hacia una de las dos opiniones
posibles,+1 o -1, ir a la huelga o seguir laborando, o, como tercer escenario, un estado en el
que ambas opiniones coexisten (Gwizdalla, 2008). Considérese, además, que Sznajd, en
2001, propuso un modelo actualizado de dinámica de opinión, basado en el paradigma de
Ising, con el cual se puede describir un mecanismo de toma de decisiones en una comunidad
cerrada que puede actualizar su giro de opinión (Stauffer, 2002; Sznajd-Weron, 2005). El
modelo Sznajd se ha utilizado en la literatura científica para estudiar problemas de opinión
que involucran a la publicidad (Sznajd-Weron & Weron, 2003).

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9813
La mayoría de las aplicaciones del modelo Sznajd en publicidad se observa a los
agentes siendo expuestos al campo magnético que crea la comunicación persuasiva de las
marcas, y se modelan las probabilidades de concentración ferrosa que pueden presentarse en
sus sistemas. Las apreciaciones tienden a coincidir en que la publicidad, como campo
magnético, puede aumentar su intensidad, y, así,aumentar las probabilidades de crear
atracción ferrosa. Es argüido también que la opinión de los vecinos de un agente es
determinante, y aunque el agente no decida seguir a la mayoría, seguirá bajo el efecto
gravitacional de la publicidad (Sznajd-Weron & Weron, 2003).
2.2 ALGORITMOS DE VISUALIZACIÓN DINÁMICA DE RED FORCE-DIRECTED
Los algoritmos de dibujo de gráficos dirigidos por fuerza, o Force-
Directed(Fruchterman & Reingold, 1991), trabajan asignando fuerzas entre el conjunto de
vértices y el conjunto de bordes del dibujo del gráfico (Crnovrsanin, Chu, & Ma, 2015;
Fruchterman & Reingold, 1991; Kobourov, 2012). Casi que como un convencionalismo,
fuerzas atractivas de resorte basadas en la Ley de Hooke son usadas para atraer a dos nodos
entre sí, toda vez que fuerzas repulsivas como las de partículas cargadas eléctricamente,
regidas por los principios de la Ley de Coulomb, son usadas para separarlos. Los nodos se
repelen unos a otros como imanes, mientras que los bordes atraen sus nodos, como resortes.
Fruchterman y Reingold (1991)realizaron un trabajo pionero inspirado en el trabajo
de Tutte, e introdujeron la idea de usar solamente fuerzas de resorte entre todos los pares de
vértices. El cálculo de la ubicación y del movimiento se realiza midiendo el efecto de las
fuerzas atracción en cada vértice, y de las fuerzas de repulsión en cada borde, para
finalmente limitar el desplazamiento de los agentes a la temperatura total del sistema. El
algoritmo tiene una temperatura inicial y aplica una disminución constante: la primera fase
comienza a una temperatura alta y se enfría de manera constante y rápida, hasta alcanzar la
temperatura total del sistema; una vez llegado a ese punto, se inicia una secuencia de baja
constante.
En el presente estudio, se hace una pesquisa sobre los procedimientos de un
algoritmo especializado en la visualización dinámica de redes. El algoritmo Force-Directed,
llamado ForceAtlas2 (Jacomy et al., 2011), es un algoritmo de fuerza dirigida implementado
en el Software Gephi (Moody et al., 2005), que simula un sistema físico para espacializar
visualmente una red dinámica. Este es un modelo algorítmico en el que las fuerzas se aplican

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9814
continuamente sobre los vértices involucrados, siempre que la rutina se esté ejecutando, y
sólo se detiene a petición del usuario.
El modelo ForceAtlas2 adopta una estrategia de presentación en vivo del proceso de
espacialización de la red, para conseguir observar y comprender la convulsión orgánica de
las organizaciones. El algoritmo es capaz de transferir modificaciones en tiempo real sobre la
gráfica, recalculando las fuerzas y actualizando continuamente la ubicación de los nodos, a
deseo del usuario. Sus creadores afirman que está diseñado especialmente para la
visualización de redes dinámicas, como puede ser el caso de Twitter, ya que puede conectar
la visualización a los datos descargados por streaming en tiempo real.
El algoritmo está basado en los trabajos de Fruchterman y Rheingold (1991) e
incorpora aportes de Noack (2007), quien explica que la característica más importante entre
los algoritmos dirigidos por fuerza es el rol que tiene la distancia. En los sistemas físicos, las
fuerzas dependen de la distancia entre las entidades interactuantes: entidades cercanas atraen
menos y repelen más que entidades lejanas y viceversa. Noack define el modelo de energía
aplicable a las gráficas como “Modelo atracción-repulsión”, por lo tanto, la atracción debería
depender de la distancia y la repulsión de los grados de los dos nodos.
Visualización dinámica y Análisis de redes sociales
El avance exponencial en la capacidad de transmisión de datos a través de nuestras
redes computacionales coincide con las olas de digitalización que experimentan nuestras
interacciones sociales(Christakis & Fowler, 2013; Wang & Tucker, 2016). Datos en mayor
volumen, con una variedad de categorizaciones complejas,se sumana la velocidad con la que
están siendo generados. Almacenar, analizar y visualizar este nuevo recurso mueve muchos
de los esfuerzos recientes en la industria de las comunicaciones, el marketing y la publicidad
(Khan et al., 2014; Sapountzi & Psannis, 2016).
La visualización es precisamente uno de los pilares de la gestión administrativa de
esos datos masivos. Su carácter intuitivo le permite a cualquier investigador hacerse una
representación efectiva de lo que comunican los paquetes de datos(Shneiderman & Aris,
2006). El ojo humano es una herramienta perfecta de detección de patrones, de suerte tal que
la inspección visualde un grafo puede revelar patrones de información que, por su
complejidad relacional, podrían esconderse aún para la estadística.Abordar el problema de
cómo analizar visualmente la dinámica cambiante de una gráfica de red que
evolucionaconstantemente a través del tiempo, es la tarea que abordan investigadores y
programadores en el campo de la visualización de redes dinámicas(Sazama, 2015). Las

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9815
comunidades no son estáticas, y al igual que los organismos vivos, desarrollan adaptaciones
a las variaciones que se suscitan en su medioambiente.Así mismo, las comunidades
humanasson moldeadas por sus costumbres, por la política, o por intervenciones externas o,
incluso, por una enfermedad(Giddens& Sutton, 2017).
Los paradigmas de visualización dinámica han usado tres enfoques comunes que se
diferencian en cómo ellos representan el tiempo. El primer enfoque, para un gráfico
estático,recurre a una magnitud visual para representar el tiempo (Doreian, Kapuscinski,
Krackhardt, & Szczypula, 1996), entiéndase, una línea, una barra, un color, o un descriptor
visual de continuidad que sirva para cumplir la tarea. El segundo enfoque, de imágenes
yuxtapuestas, correspondiente todavía a la categoría de gráficos estáticos, consiste en
capturar imágenes separadas de la red en determinados puntos en el tiempo (Powell, White,
Koput, Smith, & Owen-smith, 2016) para desprender desde ellas los análisis. Por último,
están los enfoques basados en animación, que fueron utilizados por primera vez por Eades y
Huang en el año 2000, para mostrar los cambios entre los pasos de tiempo de las redes
dinámicas.
De los tres enfoques, la ciencia recurre frecuentemente al segundo, esto es, a las
transiciones en etapas o de imágenes yuxtapuestas, ya que este método reduce el esfuerzo
visual que demanda a los usuarios identificar y comprender los cambios temporales (Bach,
Pietriga, &Fekete, 2013; Brandes & Wagner, 2004).
La visualización dinámica de redes delega a cada campo de la ciencia los protocolos
de análisis con los que se interpretaran sus grafos. Es por eso que dentro del alcance del
campo sólo se puede encontrar literatura que describe los procedimientos técnicos de
implementación(Beck, Burch, Diehl, & Weiskopf, 2014; Che, 2015; Moody et al., 2005;
Sazama, 2015). Sin embargo, dentro de estas descripciones metodológicas, está claro que el
método transversal de análisis de las visualizaciones dinámicas tiene como columna
vertebral a la teoría de grafos. El interés particular por la fenomenología compleja en las
comunidades de opinión dirige la atención hacia los problemas de agrupamiento (o
clusterización),en comunidades evolutivas (Ding, 2011; Khan & Niazi, 2017; Leonardi,
Anagnostopoulos, Łącki, Lattanzi, & Mahdian, 2016).
Los problemas de clusterización dentro de comunidades humanasson abordados
desde las metodologíasdel análisis de redes sociales o Social Network
Analysis(SNA)(Freeman, 2004). Para el SNA, una red sigue siendo un conjunto de nodos

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9816
con bordes relacionados, en los que los componentes pueden reemplazarse por actores
sociales o actores comunicativos, como es el caso de las dinámicas de opinión.
La primera posibilidad dentro de una matriz de red, o un grafo, es que un nodo esté
sin conexiones y exista como un agente independiente. Esta es la subred más simple, llamada
Singleton. Dos nodos en relación son una díada y un grupo de tres es llamado tríada. Si todos
los nodos en un grupo están conectados entre sí, el fenómeno se denomina Cliqué. Cuando
una diada configura una triada, y alrededor de esta se empiezan a crear muchas conexiones,
ya no se está frente a un cliqué, pues muy probablemente cada nodo ya no está conectado
entre sí. Unconjunto que esté claramente más interconectado será identificado como un
subgrafo (o un subgrupo), denominado clúster. Clúster es un sinónimo para el
términocomunidad; la generación de comunidades se denomina clusterización.
Desde la perspectiva de los nodos, la importancia de los roles que ellos ejercen
suele medirse desde una magnitud conocida como grado, que indica el número de
conexiones que suman o abonan en él. En los gráficos dirigidos, los agentes generan, con
intensión y sentido, sus conexiones. Posteriormente describen dos medidas de grado: grado
de entrada (indegree) y grado de salida (outdegree). El grado de entrada está dado por la
cantidad de conexiones que ingresan al nodo, en tanto que el grado de salida, por el número
de bordes que se originan desde un nodo hacia otros nodos. La suma de grados de entrada y
salida y nos da el grado total para el nodo. Cuando dentro de un clúster uno de los nodos
posee el mayor grado y, en consecuencia, el mayor tamaño, a este se le denomina hub.
El gran número de conexiones que pueda poseer un hubpuede determinar para él el
grado de centralidad dentro de un clúster. La centralidad sirve como una estimación de la
importancia de cualquier agente de red en su comunidad, o en el sistema completo.
Considérese que aquello que sea estimado comocentral, puede variar según el contexto. Por
ejemplo, un nodo puede aparecer central en el grafo, pero al mismo tiempo describir un
grado bajo de entrada. Eso caracteriza un particular contraste en las diferentes escalas de
descripción de los nodos, razón por la cual, la interpretación de las medidas de centralidad
siempre se deja al analista humano.
Finalmente, en la tarea de abordar la estructura de una red como un todo, es
necesario hacer referencia al concepto de densidad. Formalmente para el SNA, densidad es
una estadística que compara la cantidad de aristas que existen en una red contra la cantidad
de aristas que podrían existir. La densidad se usa más comúnmente para comparar subredes,
especialmente redes egocéntricas, esto es, las redes sociales que se tejen alrededor de un

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9817
agente social(Sapountzi & Psannis, 2016). Algunos tendrán redes egocéntricas densas, lo que
significaría que muchos de sus amigos se conocen entre sí. De otra parte, otros tendrán redes
egocéntricas dispersas, lo cual indicaría que probablemente sus amigos no se conocen entre
sí.
La densidad mide el porcentaje de posibles bordes en un gráfico. La conectividad,
también conocida como cohesión, mide cómo se distribuyen esos bordes(Börner, Sanyal, &
Vespignani, 2007). La conectividad es un recuento de la cantidad mínima de nodos que
deberían eliminarse antes de que el gráfico se desconecte; es decir, cuando ya no existe una
ruta desde cada nodo a cualquier otro.
3 METODOLOGÍA
3.1 MÉTODO Y MATERIALES
Para la realización del estudio, se empleó la metodología clásica de procesamiento
de datos para redes sociales (Congosto, Basanta-Val, & Sanchez-Fernandez, 2017), que
define una rutina simple de pasos clave para su implementación técnica: recopilación de
datos brutos, organización de los datos en una matriz, procesado algorítmico a estructuras de
grafo y, por último, refinamiento estético de la visualización.
Para la recopilación de datos se accedió al API REST de la red social digital Twitter
(versión 2.0) a través del script GephiStreamer (Matthieu Totet), que permite recopilar en
tiempo real determinada cantidad de tweets generados la plataforma. La API REST de
Twitter permitió recuperar 1500 tweets a la vez, 350 veces en una hora, sobre los tweets que
incluían determinadas palabras y/o hashtags (por ejemplo, #tema), creados y publicados
libremente, por usuarios, identificados a través de un seudónimo (por ejemplo, @usuario).
Para los agentes de mensaje dentro de la plataforma como los tweets, retweets y
respuestas a tweets, los metadatos descargaron información relacional que describe sus
movimientos dentro de la plataforma: usuario que lo origina el tweet, usuario que responde a
él, hora en que se genera el tweet, el lugar desde donde se envió el mensaje, etc.
Adicionalmente, los datos recibidos incluían información registrada automáticamente por la
plataforma, datos personales de los usuarios, su género, lugar de residencia, entre otros.
Para los agentes sociales de la plataforma (@usuario) los metadatos entregaron
información sobre los mensajes que publicó, los hashtags utilizados en sus tweets (#tema), y
los tweets en los que se le ha mencionado. Se obtuvo información sobre los usuarios que

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9818
mencionaron a otros usuarios, citándolos en los mensajes, así como registros de qué usuario
compartió el contenido publicado por otro.
La organización de los datos y su procesado a grafo se realizó a través del software
Gephi Versión 0.9.2. La organización de los datos fue realizada automáticamente por el
programa y no se manipuló ninguna característica de las tablas. Para el procesado a grafo se
aplicaron varios criterios sobre la escala de los nodos, la cual se ordenó de menor a mayor
dependiendo de su grado promedio de entrada y salida (un promedio entre el valor Indegree
y el valor Outdegree). Durante el procedimiento de visualización dinámica, se ajustó el
programa para que el tamaño de los nodos se reajustara en tiempo real, conforme la matriz
de datos era actualizada por el proceso de streaming del algoritmo GephiStreaming. El valor
mínimo de escala fue 5 y el máximo 80.
La partición de color usada para categorizar visualmente a cada uno de los nodos se
ajustó para corresponder con el contenido cada uno tuviera la columna TwitterType:Tweet,
user, media, link o hashtag. El valor cromático mantiene las gamas prestablecidas dentro del
software Gephi.
Para el procesamiento visual del grafo se aplicó el algoritmo de distribución Force-
Directed llamado ForceAtlas2, manteniendo todos y cada uno de los siguientes parámetros:
Escalado: 2.0
Gravedad: 1.0
Número de hilos: 7
Influencia del peso de las aristas: 1.0
Tolerancia (Velocidad): 1.0
Aproximación: 1.2
Las capturas de video se realizaron a una resolución de 1920X1080 pixeles por
pulgada a 29,9 cuadros por segundo y fueron almacenadas en archivos de extensión MP4
con compresión H.264. Los videos fueron posteriormente editados para conservar
únicamente el área donde se desarrollaba el grafo.
3.2 PROCEDIMIENTO
Las capturas de visualización dinámica fueron logradas durante un ejercicio
académico de monitoreo de redes, realizado durante la visita oficial que realizó el Papa
Francisco Bergoglio a Colombia, los días 6,7,8,9 y 10 de septiembre de 2017. La
planificación procedimental estableció la búsqueda de agentes comunicativos (hashtags) que

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9819
estuvieran utilizando publicidad paga, o promoción continuada por los canales de agentes
sociales (usuarios) y que a través de su acción buscaran directa o indirectamente aumentar el
tamaño y la interacción de sus comunidades en la conversación.
La escucha de medios previa arrojó el listado inicial de hashtags preseleccionados a
seguir durante los 5 días de estudio incluía 11 agentes comunicativos estos fueron:
#modopapa, #semanafrancisco, #papaencolombia, #papafranciscoencolombia,
#papacol, #viajedeesperanza, #dejandohuellaespiritual, #dejandohuellaverde,
#bienvenidofrancisco, #lavisitadetodos, #javerianosconelpapa.
El procedimiento mantuvo un protocolo claro sobre ciertas variables operacionales
de la aplicación metodológica. Primero, los monitoreos se realizaron por lo general
coincidiendo con las apariciones que en televisión pública nacional realizaba el pontífice.
Pero por protocolo, la captura de datos inició siempre 30 minutos antes de la primera
aparición programada en el día y finalizó una hora después de la última transmisión. El
objetivo era obtener datos que sirvieran como grupos de control. Segundo, para optimizar los
recursos de hardware y software, las rutinas de descarga se planearon para estar contenidas
dentro de una ventana de tiempo/datos que evitara una sobrecarga a los instrumentos. Para
contener una captura de datos demasiado extensa en duración, se aceptaría como máximo
periodo de tiempo, el requerido para registrar la descarga de 10.000 nodos. Se dispuso un
criterio adicional en relación con los agentes comunicativos. Cada vez que la visualización
dinámica revelara a aparición espontánea de un agente comunicativo que, con base en algún
criterio de análisis de redes sociales resultara relevante, sería agregado al listado de agentes,
objeto de observación diaria. Estos agentes descubiertos resultaron muy importantes, pues en
la mayoría de los casos, retaron la hegemonía comunicativa de otros agentes que recibían
apoyo y promoción, a través de los medios masivos del país. Estos agentes espontáneos
incluyeron agentes como #esunmilagro, #sielpapapregunta, #parquesimonbolivar,
#elpapaenmedellin, #graciasfrancisco, #elpapaencartagena, #uribecizaña,
#graciaspapafrancisco.
La captura de la visualización dinámica utilizada en este ejercicio fue realizada el
miércoles 6 de septiembre de 2017 a las 4:35 p.m., hora de Colombia; iniciando en el
instante en que las imágenes de la televisión pública colombiana mostraban al pontífice
avanzando a través de la puerta del avión. La primera entrada de datos a la tabla tuvo como
registro timestamp 2017-09-06 T 21:34:24.485Z, valor expresado en CUT (coordinated
Universal Time).

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9820
4 ANÁLISIS Y RESULTADOS
4.1 ANÁLISIS DE VISUALIZACIÓN DINÁMICA – SECUENCIA DE IMÁGENES Y
SNA
Figura 2. Momento estructural 1 de interacciones dominada por dos agentes principales.
La visualización revela una estructura inicial (momento estructural 1) de
interacciones dominada por dos agentes principales caracterizados con los mayores grados
de entrada: el primero (A) #modopapa, un hashtag introducido por la agencia bogotana de
creatividad digital Inmarcesible(Agencia Inmarcesible, 2017), en representación de la
Conferencia Episcopal Colombiana para adelantar en Twitter acciones publicitarias antes y
durante la visita del Pontífice al país. Este agente comunicativo aparece acompañado muy de
cerca por (A1) #elpapacol y (A2) #elpapaencolombia, dos hashtags también introducidos
con antelación por agentes sociales de otras campañas publicitarias. La densidad de
conexiones entre estos tres agentes revela un alto grado de cohesión comparada con el total
de conexiones en el grafo. Los tres han formado un cliqué triangular, con el nivel de
centralidad favoreciendo al hub (A) #modopapa(ver figura 2).
En contrapeso al clúster de los hashtags (A),(A1) y (A2) emerge un segundo agente
tan influyente como ellos, con un grado de entrada observado, mayor al de ellos, pero con
una densidad menor de conexiones: es el agente (B) #BienvenidoFrancisco; un hashtag
promocionado publicitariamente por la Alcaldía de Bogotá y utilizado en sus publicaciones
por los principales medios de comunicación del país y del mundo(Instituto Distrital para la

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9821
Protección de la Niñez y la Juventud - IDIPRON, 2017). Comparte muchos senderos de
conexión con (A) #modopapa, los cuales, sin formar un clúster, han logrado agrupar a un
número de agentes no cohesionados que forman una estructura de puente entre (A) y (B).
Otro agente estructurante del grafo es (C) #papaencolombia, que es una versión
espontánea sin el artículo “el”, del hashtag original (A2) introducido por el equipo de
campaña de la Conferencia Episcopal. El agente (C) se ubica en la parte superior del grafo;
dos nodos de puente con regular peso le conectan con los dos clústeres inferiores. Los nodos
puente contienen un número moderado de lazos débiles que, como senderos, resultan
importantes para definir la estructura general del grafo. La configuración de estos elementos
alrededor de (C) están moldeando un agujero estructural en el centro de todo el grafo, el cuál
para este momento del tiempo, parece no reducirse.
Un cuarto actor en la estructura es (D) #SielPapaPregunta. Un hashtag de aparición
espontánea, que hila comentarios caracterizados por el humor y la ironía. En ellos, los
usuarios hacen apuntes sobre contrastes políticos, sociales y culturales, coyunturales a la
visita del Papa. Este agente (D) aparece alejado del centro de la gráfica, apartado en el lado
izquierdo y unido por solo dos lazos débiles al resto del sistema. No se observa un clúster
importante acompañando a este actor, sin embargo, este sí parece desempeñarse como nodo
de puente entre sus conectados y la centralidad del sistema.
Figura 3. Momento estructural 2 de interacciones.
En un segundo momento de análisis (momento estructural 2), la zona central del
grafo antes dominada por el agujero estructural configurado por las conexiones de puente

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9822
entre (A) #modopapa, (B) #BienvenidoFrancisco y (C) #papaencolombia, describe un
creciente número de conexiones débiles, aumentando también la densidad de nuevos agentes
comunicativos. Esas actualizaciones de nodos en el sistema (ver en figura 3) están reflejando
un rápido crecimiento de los clústeres inferiores alrededor de los agentes (A) y (B).
Se observa la consolidación de un clúster más cohesionado alrededor de (A)
#modopapa, del cual se están desprendiendo dos subgrupos más. El primero de ellos reúne a
(A1) y (A2), mientras que el otro está generándose en el sendero que conecta (A)
#modopapa con (C) #papaencolombia en la parte superior de la gráfica. (B)
#bienvenidofrancisco no ha aumentado de manera observable su cohesión ni su densidad.
Una gran parte de los agentes sociales ubicados a su alrededor no registran interacción entre
ellos, es decir, se encuentran ubicados en la proximidad, pero no están conectados.
Hay un sostenido aumento de las conexiones cercanas a los agentes (A1)
#elpapaencolombia y (A2) #elpapacol; la cohesión y la densidad aumentan entre ellos y cada
vez es más visible cómo esta comunidad tiende a crear su propia distribución, alejándose con
esto de (A) #modopapa. El agente (D) #SielPapaPregunta ha aumentado ligeramente el
número de agentes con los que ha estableciendo una pequeña comunidad, pero para este
punto del análisis, el Hashtag sigue comportándose más como un nodo de puente, que como
el hub de un clúster.
Figura 4. Momento estructural 3 de interacciones.
En la última observación comparativa (momento estructural 3) resalta la nueva
topología del centro del grafo, un espacio con mayor densidad de conexiones y agentes que,

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9823
aunque profusa, no consiguen conformar un clúster o resolver un hub. El agujero estructural
se ha reducido y lo ha hecho hacia la parte superior del grafo, creando un aislamiento entre
(C) #papaencolombia y el resto de los agentes. Además de su margen espacial, (C) parece
haber pausado su crecimiento tanto en el número de conexiones con el sistema, como en su
tasa de adopción de nuevos agentes (ver figura 4).
El sistema ha confirmado un punto de estabilidad estructural; el movimiento de los
cuatro actores principales sugiere haberse detenido, exceptuando el del agente (D)
#SielPapaPregunta, el cual,aunque no ha logrado sumar agentes a su clúster con la misma
velocidad que los otros hubs, si ha creado un número mayor de conexiones distantes a lo
largo de toda la gráfica. Su número creciente de número de lazos débiles lo ha empezado a
unir con todas las zonas neurálgicas de la gráfica y, en un resumen transversal de los tres
momentos, podemos afirmar que es el agente que más lejos se ha desplazado en distancia,
durante toda la secuencia.
4.2 ANÁLISIS DE VISUALIZACIÓN DINÁMICA – ANIMACIÓN ANALIZADADE
MOVIMIENTO A PARTIR DE LOS DESCRIPTORES MAGNÉTICOS PROPUESTOS
Desde el inicio de la visualización, tres actores magnéticos de la red se establecen
en los puntos de referencia cartesiana de un triángulo. (A) #modopapa, (B)
#bienvenidofrancisco y (C) #papaencolombia. Los dos primeros agentes (A) y (B) muestran
un grado de entrada concordante con el campo magnético aportado de manera externa por
dos campañas publicitarias y comunicativas distintas. Mientras que, por contraste, el agente
(C) se caracteriza por un menor grado, luego, por una menor escala. Este agente, sin el apoyo
de un campo magnético externo, demuestra una tendencia sensible hacia el movimiento
inestable en sentido repulsivo; muestra dirección claramente contraria en relación a los
agentes (A) y (B).
Considérese que el comportamiento inestable del agente (C) #papaencolombia en
términos de sentido, dirección y velocidad, está indicando que una temperatura importante le
está siendo aplicada, pues es esa la causa de los picos de entropía y azar que se observan en
los descriptores magnéticos. La descripción de estas fluctuaciones no puede ser explicada
por el efecto del reducido número de conexiones que posee. Otra explicación debe ser
requerida.
Se aborda la hipótesis de que sí hay un campo magnético afectando a campo
magnético (C) #papaencolombia, y es el mismo que poseen externamente (A), (A1) y (A2);

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9824
La justificación a esta afirmación reside en que la constricción sintáctica del hashtag (C)
#papaencolombia, es casi la misma que la del hashtag (A1) #elpapaencolombia. EL agente
(C) eliminó el artículo masculino “EL” en su construcción. Para analizar cómo esto impacta
en el comportamiento de (C), se debe retomar el concepto de temperatura social y su relación
con la entropía y la estocástica. Es muy probable que el hashtag (C) apareciera en parte, por
ser una versión más corta de (A1) #elpapaencolombia. Recordemos que esta visualización
analizada se capturó en el momento exacto en el que el Pontífice inició su descenso por la
escalera del avión que lo trajo a Colombia. La información descargada de Twitter narra
cómo se vivió la conversación en ese momento, cuando cientos o miles de agentes
comparten opiniones sobre las emociones que despiertan las imágenes transmitidas por la
televisión.
Aunque (A1) #elpapaencolombia se apoyó en propagación publicitaria, y aunque
muchos agentes sociales estuvieron expuestos a su influencia directa, un buen grupo de ellos
escogieron no escribir “Elpapa” sino “Papa” como una expresión más corta y directa de la
misma idea. Dos letras fueron la diferencia necesaria para modelar un tercio completo de la
red.
Es particular observar la velocidad con la que los nodos introducidos en las
actualizaciones toman dirección hacia los tres nodos principales. Hacia dónde se dirige y con
qué aceleración lo hace coincide con la fuerza magnética que posee el agente atractor que les
envía la pulsión. Los nodos atraídos directamente a los agentes (A), (B) (C) y (D) describen
una violenta aceleración, y de manera contraria, los nodos que van a ubicarse en posiciones
alejadas de sus campos de fuerza presentan una tasa de desaceleración creciente. La
aceleración de los movimientos de los agentes es inversamente proporcional a la distancia
final de su ubicación. Esto explica el comportamiento del movimiento para nodos que se
convierten en puentes, como los que están conectando al agente (C) con los otros hubs
principales (A) y (B).
Durante la evolución de la estructura, los nodos puente entre los hubs principales no
consiguen configurar su propia zona magnética atractora. La explicación para este
comportamiento es la misma que se aplicó para la aceleración y desaceleración. Considérese
que la ubicación de los nodos representa una expresión del balance energético de todos los
agentes conectados. Una ubicación final, en la que los agentes ya no se mueven, señala la
aparición de puntos de balances de la energía existente en el sistema.

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9825
El progresivo aumento de agentes conectados a los hubs (A) y (B) coincide con que
muchos de estos agentes intentan seguir una trayectoria independiente hacia las zonas libres
del grafo. Para (A) #modopapa se intenta tomar dirección de tracción hacia el costado
superior izquierdo y para (B) #bienvenidofrancisco, hacia la parte inferior izquierda. Esto
está evitando que cualquiera de los dos agentes consiga una masa de cohesión magnética
dominante. Puede que las zonas de influencia de cada uno se estén ampliando, y en un acto
de repulsión magnética, estén alejándose la una de la otra.
5 DISCUSIÓN
5.1 SOBRE EL ANÁLISIS DE VISUALIZACIÓN DINÁMICA BASADO EN
VISUALIZACIÓN YUXTAPUESTA Y SNA
Este método demostró a lo largo de sus tres etapas por qué es el más comúnmente
utilizado en dentro de la articulación de literatura científica en muchos ámbitos incluyendo al
de la comunicación (Beck et al., 2014). Su técnica de análisis de ventanas de tiempo resultó
muy eficiente pues permitió extender el tiempo de observación y sumar profundidad a los
análisis.
En principio, los criterios de división estructural dependían de una apreciación
sobre la topografía de la red en el tiempo, concepto que resultó relativo, ya que la estructura
general de la red se estableció con claridad a los 30 segundos de iniciado el proceso y
mantuvo la misma topología estructural básica hasta el final. Para resolver la ambigüedad, se
aplicó una técnica de selección análoga con los momentos narrativos clásicos del cuento en
la literatura: introducción, nudo y desenlace. Para cada momento se asignó una ventana y se
tomó una imagen del último cuadro de video de cada ventana. La discreción con la que
debimos congelar las imágenes penduló entre la importancia de la referencia visual y la
importancia de la referencia narrativa.
Tres imágenes que resumían momentos de forma y narrativa fueron suficientes para
describir la evolución de la red. Como se mencionó anteriormente, reducir la cantidad de
gráficas permitió aumentar el tiempo de observación, consiguiendo un mayor detenimiento
en el análisis de los descriptores. No obstante, esa ventaja contrastaba con el hecho de que la
secuencia no revelaba cambios drásticos en la en la estructura. Así, el análisis de la imagen
uno y dos, habían empezado a agotar las descripciones sobre el carácter de las dinámicas, y
conforme avanzaba el análisis, apenas se llegaba a confirmaciones.

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9826
El empleo de la visualización yuxtapuesta demostró también la manera en que este
método favorece la eficiencia de la confección relato de red y la exposición de sus estados.
La descripción de las categorías sustentó cada afirmación desde lo visible y comprobable en
el gráfico.
5.2 SOBRE EL ANÁLISIS DE VISUALIZACIÓN DINÁMICA BASADA EN
ANIMACIÓN DE MOVIMIENTO SOBRE PARADIGMAS MAGNÉTICOS
Los descriptores magnéticos empleados en este estudio, y en general los elementos
del paradigma magnético, se encargaron, a lo largo del desarrollo del video, de darle sentido
tanto a los movimientos como a las estructuras de red. La familiaridad con la que la
animación puede ser traducida al lenguaje de los descriptores hizo que fuera muy sencillo
señalar dónde y cómo se estaban formando las comunidades y poder describirlas en asocio al
concepto transversal de fuerza.
La fluidez del lenguaje visual del movimiento amplificó la capacidad de
entendimiento sobre las complejidades del sistema. La utilización del video y de los nuevos
descriptores permitieron al análisis visual detectar comportamientos y patrones escondidos
en el movimiento. Sin embargo, la carga cognitiva y de atención resultó ser muy alta para el
analista de la dinámica de red, ya que las tendencias de concentración durante la observación
fueron extremadamente variables. Se realizaron múltiples sesiones de observación en las que
la atención recayó repetidamente sólo en los elementos que se desplazaban, de suerte tal que
en una fase ulterior se debieron realizar sesiones para revisar el todo en su conjunto.
Uno de los recursos de análisis más importantes fueron los descriptores de
temperatura y entropía, pues los marcos teóricos revisados se convertían, dentro del video,en
indicadores visuales muy claros. La idea de los campos magnéticos requirió tener
conocimiento previo de la situación medioambiental comunicativaen función de la relación
de los agentes comunicativos con las marcas. Esa información ayudó a interpretar las
emergencias que hacían explicita su existencia.
6 CONCLUSIONES
El momento coyuntural de los oficios comunicativos propicia que investigaciones
como la acá reseñada surjan y comiencen a trazar rutas y modelos ajustados a una realidad
en la que las interacciones sociales en el contexto de las comunicaciones se ven permeadas

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9827
por fenómenos que pueden ser leídos y abordados desde la la sociofísica, la econofísica, la
psicología social, las ciencias complejas, y otros dominios.
La publicidad, que ya empieza a construirse con fuerza sobre las tareas
automatizadas por algoritmos, debe aprender a gobernarlos y a pensarlos. Esta investigación
muestra que al entender la lógica de construcción de las rutinas de procesamiento de un
algoritmo es posibleidentificar patrones de comportamiento de usuarios y consumidores, lo
que lleva a proponer una perspectiva de pensamiento que eleve la discusión del cómo al para
qué.
Ante la emergencia de las nuevas dinámicas sociales que surgen por la velocidad a
la que avanza el desarrollo tecnológico, la publicidad, como dominio, puede advertir una
deuda en el sentido de tener que plantear sus principios y su propia teoría, para así operar en
los contextos actuales y de futuro y, adicionalmente, dialogar con otros ámbitos, incluyendo
dominios específicos de la ciencia. Es ese un camino plausible para adentrarseen los terrenos
de las ciencias de la complejidad, en donde episodios como el de la sociofísica o la
econofísica(Rickles, 2007)seguirán repitiéndose; pero para eso es necesario tener una
moneda de intercambio para tejer puentes entre acciones comunicativas y modelos de
investigación aplicada.El ejercicio de análisis realizado en esta investigación muestra que las
comunicaciones estratégicas deben dialogar con el abordaje y entendimiento de fenómenos y
principios que no son justamente ajenos a los propósitos de anunciantes, comunicadores y
publicistas, donde una necesidad de apropiación de nociones debe ser imperiosa de cara a
interconectar intereses, unos de orden científico, otros de orden puramente pragmático.
REFERENCIAS
Archambault, D., & Purchase, H. C. (2016). Can animation support the visualisation of
dynamic graphs? Information Sciences, 330, 495–509.
https://doi.org/10.1016/j.ins.2015.04.017
Bach, B., Pietriga, E., & Fekete, J. D. (2013). Graphdiaries: Animated transitions
andtemporal navigation for dynamic networks. IEEE transactions on visualization and
computer graphics, 20(5), 740-754. DOI: 10.1109/TVCG.2013.254
Beck, F., Burch, M., Diehl, S., & Weiskopf, D. (2014). The State of the Art in Visualizing
Dynamic Graphs. Proceedings State of the Art Reports (STARs), 83–103.
https://doi.org/10.2312/eurovisstar.20141174

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9828
Börner, K., Sanyal, S., & Vespignani, A. (2007). Network science. Annual Review of
Information Science and Technology, 41(1), 537–607.
https://doi.org/10.1002/aris.2007.1440410119
Brandes, U., & Wagner, D. (2004). Analysis and visualization of social networks. Graph
Drawing Software, 1–20. https://doi.org/10.1007/3-540-45848-4_47
Cannas, S. (2010). El modelo de Ising. Curso de Mecánica Estadística, 253, 1–13.
Che, L. (2015). Laplacian-based Dynamic Graph Visualization. PacificVis 15, 69–73.
Christakis, N., & Fowler, J. (2013). Social contagion theory: Examining dynamic social
networks and human behavior. Statistics in Medicine, 32(4), 1–32.
https://doi.org/10.1002/sim.5408.Social
Cogan, P., Andrews, M., Bradonjic, M., Kennedy, W. S., Sala, A., & Tucci, G. (2012).
Reconstruction and analysis of Twitter conversation graphs. Proceedings of the First ACM
International Workshop on Hot Topics on Interdisciplinary Social Networks Research -
HotSocial ’12, 25–31. https://doi.org/10.1145/2392622.2392626
Congosto, M., Basanta-Val, P., & Sanchez-Fernandez, L. (2017). T-Hoarder: A framework
to process Twitter data streams. Journal of Network and Computer Applications,
83(December 2016), 28–39. https://doi.org/10.1016/j.jnca.2017.01.029
Crnovrsanin, T., Chu, J., & Ma, K. L. (2015). An incremental layout method for visualizing
online dynamic graphs. Lecture Notes in Computer Science (Including Subseries Lecture
Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 9411(1), 16–29.
https://doi.org/10.1007/978-3-319-27261-0_2
Ding, Y. (2011). Community detection: Topological vs. topical. Journal of Informetrics,
5(4), 498–514. https://doi.org/10.1016/j.joi.2011.02.006
Doreian, P., Kapuscinski, R., Krackhardt, D., & Szczypula, J. (1996). A brief history of
balance through time. The Journal of Mathematical Sociology.
https://doi.org/10.1080/0022250X.1996.9990176
Freeman, L. (2004). The development of social network analysis. Retrieved from

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9829
http://www.researchgate.net/profile/Linton_Freeman/publication/239228599_The_Develop
ment_of_Social_Network_Analysis/links/54415c650cf2e6f0c0f616a8.pdf
Fruchterman, T., & Reingold, E. (1991). Graph drawing by force directed placement.
Software: Practice and Experience, 21(NOVEMBER), 1129–1164.
https://doi.org/10.1002/spe.4380211102
Gaglio, S., Lo Re, G., & Morana, M. (2016). A framework for real-time Twitter data
analysis. Computer Communications, 73, 236–242.
https://doi.org/10.1016/j.comcom.2015.09.021
Galam, S. (2004). Sociophysics: A personal testimony. Physica A: Statistical Mechanics and
Its Applications, 336(1–2), 49–55. https://doi.org/10.1016/j.physa.2004.01.009
Giddens, A., & Sutton, P. W. (2017). Conceitos essenciais da sociologia. SciELO-Editora
UNESP.
Grabowski, A., & Kosiński, R. A. (2006). Ising-based model of opinion formation in a
complex network of interpersonal interactions. Physica A: Statistical Mechanics and its
Applications, 361(2), 651-664.https://doi.org/10.1016/j.physa.2005.06.102
Gwizdalla, T. M. (2008). Gallagher index for sociophysical models. Physica A: Statistical
Mechanics and Its Applications, 387(12), 2937–2951.
https://doi.org/10.1016/j.physa.2008.01.028
Jacomy, M., Heymann, S., Venturini, T., & Bastian, M. (2011). Force Atlas 2, a graph layout
algorithm for handy network visualization. … Http://Www. Medialab. Sciences-Po. Fr/ …,
1–21. Retrieved from
http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:ForceAtlas2+,+A+Graph+
Layout+Algorithm+for+Handy+Network+Visualization#0
Khan, B. S., & Niazi, M. A. (2017). Network Community Detection: A Review and Visual
Survey. arXiv Preprint arXiv:1708.00977, 117(7), 1407–1425.
https://doi.org/10.1108/IMDS-09-2016-0408
Khan, N., Yaqoob, I., Abaker, I., Hashem, T., Inayat, Z., Kamaleldin, W., … Gani, A.
(2014). Big Data : Survey , Technologies , Opportunities , and Challenges, 2014.

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9830
Kobourov, S. G. (2012). Spring Embedders and Force Directed Graph Drawing Algorithms,
1–23. Retrieved from http://arxiv.org/abs/1201.3011
Leonardi, S., Anagnostopoulos, A., Łącki, J., Lattanzi, S., & Mahdian, M. (2016).
Community Detection on Evolving Graphs. Nips, (Nips), 3522–3530.
Moody, J., McFarland, D. A., & Bender-demoll, S. (2005). Dynamic Network Visualization.
American Journal of Sociology, 110(4), 1206–1241. https://doi.org/10.1086/421509
Moore, R. (1999). The Ising Model. University of Texas, 1–27.
https://doi.org/10.1017/CBO9780511804052.010
Noack, A. (2007). Unified Quality Measures for Clusterings , Layouts , and Orderings of
Graphs , and Their Application as Software Design Criteria, (April 1976).
Powell, W. W., White, D. R., Koput, K. W., Smith, J. O., & Owen-smith, J. (2016). Network
Dynamics and Field Evolution : The Growth of Interorganizational Collaboration in the Life
Sciences 1. American Journal of Sociology, 110(4), 1132–1205.
https://doi.org/10.1086/421508
Rickles, D. (2007). Econophysics for philosophers. Studies in History and Philosophy of
Science Part B: Studies in History and Philosophy of Modern Physics (Vol. 38).
https://doi.org/10.1016/j.shpsb.2007.01.003
Sapountzi, A., & Psannis, K. E. (2016). Social networking data analysis tools & challenges.
Future Generation Computer Systems. https://doi.org/10.1016/j.future.2016.10.019
Sazama, P. J. (2015). An Overview of Visualizing Dynamic Graphs, 1–13.
Selinger, J. V. (2016). Introduction to the Theory of Soft Matter: From Ideal Gases to Liquid
Crystals. In Introduction to the Theory of Soft Matter (pp. 7–25). Springer International
Publishing. https://doi.org/10.1007/978-3-319-21054-4
Shneiderman, B, & Aris, A. (2006). Network Visualization by Meaningful Substrates, 12(5),
733–740. https://doi.org/\url{10.1109/TVCG.2006.166}
Stauffer, D. (2002). Sociophysics: The Sznajd model and its applications. Computer Physics
Communications, 146(1), 93–98. https://doi.org/10.1016/S0010-4655(02)00439-3

BrazilianJournal of Development
Braz. J. of Develop., Curitiba, v. 5, n. 7, p. 9808-9831 jul. 2019 ISSN 2525-8761
9831
Sznajd-Weron, K. (2005). Sznajd model and its applications. Acta Physica Polonica B,
36(8), 2537–2547.
Sznajd-Weron, K., & Weron, R. (2003). How effective is advertising in duopoly markets?
Physica A: Statistical Mechanics and Its Applications, 324(1–2), 437–444.
https://doi.org/10.1016/S0378-4371(02)01904-0
Wang, V., & Tucker, J. V. (2016). Phatic systems in digital society. Technology in Society,
46, 140–148. https://doi.org/10.1016/j.techsoc.2016.06.002
Wolfe, A. W. (1997). Social Network Analysis: Methods and Applications. American
Ethnologist, 24(1), 219–220. https://doi.org/10.1525/ae.1997.24.1.219
Zhou, H., Li, J., Li, J., Zhang, F., & Cui, Y. (2017). A graph clustering method for
community detection in complex networks. Physica A: Statistical Mechanics and Its
Applications, 469, 551–562. https://doi.org/10.1016/j.physa.2016.11.015