FUNDAMENTAO TERICA PARA A ANLISE DE REDES COM NFASE NA ANLISE DE REDES SOCIAIS

Renato Fabiano Matheus Mestrando em Cincia da Informao, Escola de Cincia da Informao da Universidade Federal de Minas Gerais (ECI/UFMG); analista do Banco Central do Brasil E-mail: renatofabiano@ufmg.br, renato.fabiano@bcb.gov.br Antonio Braz de Oliveira e Silva Doutorando em Cincia da Informao, Escola de Cincia da Informao da Universidade Federal de Minas Gerais (ECI/UFMG), analista do IBGE. E-mail: antonio_braz@uol.com.br ; abraz@netic.com.br

RESUMO
Este texto apresenta a fundamentao terica utilizada na Anlise de Redes, com nfase na Anlise de Redes Sociais ARS e na modelagem a atravs de grafos. A fundamentao terica apresentada inclui a metodologia de pesquisa, a notao matemtica bsica, a visualizao de redes sociais e as anlises passveis de serem realizadas com os mtodos de ARS. Este texto complementar ao texto Anlise de Redes Sociais como mtodo para a Cincia da Informao (MATHEUS, SILVA, 2005(a)).

PALAVRAS-CHAVE
Anlise de Redes Sociais; conceitos; metodologia; matemtica; estatstica

SUMRIO
1 2 3 4 5 6 7 8 9 10 11 INTRODUO ........................................................................................................................................................3 DEFINIO DE CONCEITOS FUNDAMENTAIS EM AR E ARS ......................................................................................4 UMA TAXONOMIA PARA A AR E A ARS..................................................................................................................8 METODOLOGIA DE PESQUISA UTILIZADA NA ARS .................................................................................................10 ALGUNS EXEMPLOS DE DIFERENTES PESQUISAS E METODOLOGIAS .........................................................................15 FUNDAMENTAO MATEMTICA USADA NA ARS.................................................................................................17 VISUALIZAO DE REDES ....................................................................................................................................18 CONCEITOS DE GRAFOS PARA A AR E A ARS........................................................................................................21 MTODOS DE ANLISE DE REDES .........................................................................................................................26 CONCLUSES ......................................................................................................................................................34 BIBLIOGRAFIA.....................................................................................................................................................35

INTRODUO

De forma genrica, a Anlise de Redes AR , que inclui tanto a anlise de redes complexas quanto a anlise de redes sociais ARS , baseia-se em mtodos de anlise numricas e estatsticas adequados para o estudo de relaes entre entidades. Assim, os mtodos e conceitos de anlise de rede provem uma fundamentao matemtica para a modelagem do relacionamento entre entidades. Os mtodos de anlise matemtica utilizados pela anlise de redes AR so aplicveis a muitas reas do conhecimento, dentre elas a Sociologia, a Antropologia, a Psicologia, a Economia, a Fsica, a Computao, e a Cincia da Informao (MATHEUS; SILVA, 2005(a)). De acordo com as diferentes aplicaes, as entidades a serem analisadas podem ser atores sociais (pessoas, organizaes, pases, etc) (WASSERMAN; FAUST, 1999), pginas na Web (PAGE et al., 1998; BRIN; PAGE, 1998), documentos, dentre outros. Especificamente no caso das entidades analisadas serem atores sociais, os mtodos de anlise so chamados Anlise de Redes Sociais ARS1. Mas mtodos de anlise numrica desenvolvidos para a anlise de atores sociais so aplicveis a outras reas, e vice-versa (WASSERMAN; FAUST, 1999; BARABSI; ALBERT, 1999; PAGE et al., 1998; BRIN; PAGE, 1998; WATTS, 2004). O que permite tal aplicao dos mtodos de AR a diferentes reas o fato de todos eles utilizarem uma modelagem e fundamentao matemtica comum, principalmente atravs de grafos e matrizes. Os dados obtidos a partir da pesquisa de redes podem ser utilizados em anlises numricas desenvolvidas para outros fins, como o caso dos estudos de concentrao exemplificados pela Lei de Lotka, pelo Princpio de Pareto, pela Lei de Zipf e pelas lei de potncia. Este texto, apresenta a fundamentao terica e matemtica utilizada na AR, com nfase na Anlise de Redes Sociais ARS. O objetivo fazer uma apresentao ampla dos mtodos e tcnicas disponveis para a pesquisa em ARS, mais especificamente nos mtodos de anlise de rede aplicados ao estudos da informao. Existem outras revises de literatura e abordagens tericas sobre anlise de rede como foco em outras reas de conhecimento, como o caso das revises de Duncan Watts (2004), com foco na Sociologia, de Steven H Strogatz (2001), com nfase na topologia e no comportamento dinmico de diferentes modelos de redes complexas, de M. E. J. Newman (2003), uma ampla reviso matemtica com nfase em conceitos e propriedades como agrupamento e grafos randmicos, aplicados a problemas reais como redes sociais, redes de informao, redes tecnolgicas e redes biolgicas, de
1

Neste texto, a sigla AR refere-se anlise de redes em geral, enquanto a sigla ARS utilizada apenas para a anlise de redes sociais, na qual os atores so entidades sociais.

Dorogavtsev e Mendes (2002), com nfase na evoluo dos estudos de redes complexas e nas aplicaes na Fsica, de Matthew O. Jackson e Alison Watts (2002), com nfase nas aplicaes da anlise de redes sociais na Economia. Como a anlise de redes utiliza a modelagem comum atravs de grafos, e algumas das revises citadas tratam especificamente de questes ligadas informao, elas devem ser consultadas para uma abordagem mais ampla. Quanto organizao deste texto, na Seo 2, Definio de conceitos fundamentais em AR e ARS, so apresentados os conceitos bsicos da anlise de redes, como atores e relacionamentos; na Seo 3, Uma taxonomia para a AR e a ARS, proposta uma taxonomia baseada em Wasserman e Faust (1999) e parcialmente de Carrington, Scott e Wasserman (2005) para o estudo de redes sociais; na Seo 4, Metodologia de pesquisa utilizada na ARS, so apresentados os mtodos de coleta e anlise utilizados tanto para anlise de redes sociais quanto para a anlise de redes complexas; na Seo 5, Alguns exemplos de diferentes pesquisas e metodologias, so apresentados exemplos de estudos empricos que utilizam as metodologias citadas na seo anterior; na Seo 6, Fundamentao matemtica usada na ARS, so apresentados os conceitos matemticos que embasam as anlises de redes; na Seo 7, Visualizao de redes, apresentado como as redes so visualizadas; na Seo 8, Conceitos de grafos para a AR e a ARS, apresentada a modelagem matemtica atravs de grafos, comum para os diferentes estudos de redes; na Seo 9, Mtodos de anlise de redes, so apresentados exemplos de mtodos de anlise, como, por exemplo, de centralidade, que so usados na anlise de redes modeladas atravs de grafos.

DEFINIO DE CONCEITOS FUNDAMENTAIS EM AR E ARS

Na Anlise de Redes AR o foco do estudo nos relacionamentos entre entidades. As entidades podem ser atores sociais, pginas da Web, neurnios do crebro, dentre outras. Os relacionamentos podem se dar atravs de trocas materiais (movimentao, proximidade) ou no materiais (informao, sinais eltricos). Em todos os casos, o relacionamento entre entidades pode ser modelado atravs de grafos. Considerando especificamente a Anlise de Redes Sociais ARS , um ator2 uma unidade discreta que pode de diferentes tipos, mais especificamente uma pessoa, ou um conjunto discreto de pessoas agregados em uma unidade social coletiva, como subgrupos, organizaes e outras coletividades (WASSERMAN; FAUST, 1999, p. 36). Exemplos de atores so: um indivduo, uma empresa; agncias
2

Cada novo conceito ou expresso que aparece nesta seo destacado em itlico.

de servio pblico de uma cidade; estados-naes do mundo (WASSERMAN; FAUST, 1999, p. 17). O conceito de ator flexvel, permitindo diferentes nveis de agregao, o que permite sua adequao a diferentes problemas de pesquisa. Por exemplo, o ator pode ser tanto um operrio quanto toda uma empresa. O lao relacional (do ingls relational tie) tambm denominado simplesmente lao ou ligao (do ingls linkage) responsvel por estabelecer a ligao entre pares de atores. Desta forma, Os laos relacionais (ligaes) entre atores so canais para transferncia ou fluxo de recursos materiais e no materiais (WASSERMAN; FAUST, 1999, p. 4)3. Os tipos mais comuns de laos so: a avaliao individual, e.g. expressando amizade ou respeito; a transao e a transferncia de recursos materiais, e.g. uma transao de compra e venda; a transferncia de recursos no materiais, e.g. a troca de mensagens eletrnicas ou no; a associao ou afiliao4, que ocorre quando os atores participam de eventos em comum; a interao, e.g. o fato de sentar-se prximo a outra pessoa; a movimentao e a conexo fsica e social, caso no qual os lugares e os papis, respectivamente, so os atores, e.g. o estudo de migraes e de mudanas de ocupao; laos entre papis formais, e.g. o lao de autoridade chefe-subordinado em uma empresa; relaes biolgicas (WASSERMAN; FAUST, 1999, p. 18; 37; 38). No caso da CI, a transferncia de recursos no materiais, que freqentemente envolve a comunicao entre atores e a difuso de inovaes, pode suscitar especial interesse dos pesquisadores (WASSERMAN; FAUST, 1999, p. 38). Estudos sociolgicos de redes sociais diferenciam entre laos fortes (do ingls strong ties), laos ausentes (do ingls absent ties) e laos fracos (do ingls weak ties) (GRANOVETTER, 1973, p. 1361). Desde o trabalho seminal de Granovetter, chama a ateno dos socilogos a importncia dos laos fracos, principalmente devido sua funo de ligao entre partes de uma rede social que no so ligadas diretamente atravs de laos fortes, o que d origem ao conceito de ponte (do ingls bridges) (GRANOVETTER, 1973, p. 1363). O ator que faz a ponte responsvel pelos laos entre dois subgrupos de uma rede social. Dito de outra forma o agente ponte [do ingls bridge agent, que estaria mais claramente definido neste trabalho como ator ponte] um indivduo fortemente ligado a um [sub] grupo primrio que interage regularmente com uma pessoa de outro [sub]grupo5 (GROSSER, 1991, p. 354). A fora (do ingls
3

A associao entre laos e canais e entre dificuldades para o fluxo de informaes entre os atores atravs dos laos a barreiras ao fluxo de informao (GROSSER, 1991, p. 355) so quase naturais do ponto de vista CI. Portanto, a definio dos conceitos de canais e de barreiras pode oferecer mtodos poderosos e precisos de anlise para a CI, desde que utilizados de forma rigorosa. Exemplos de barreiras para o fluxo de informaes so filtros pessoas motivadas pela busca de segurana, de ascenso profissional, ou de satisfao pessoal (GROSSER, 1991, p. 367). Tais filtros so exemplos da aplicao da ARS em estudos da psicologia organizacional com foco na informao. 4 A afiliao corresponde a um tipo especial de rede de modo-duplo. 5 Grosser utilizou a palavra grupo, mas o termo subgrupo o correto de acordo com as definies expressas neste trabalho.

strengh) de um lao pode ter diferentes definies em diferentes estudos, sendo assim definida por Granovetter:
[...] a fora de uma ligao a combinao, provavelmente linear, de quantidade de tempo, de intensidade emocional, de intimidade (confiana mtua), e de servios recprocos que caracterizam os laos (GRANOVETTER, 1973, p. 1361).

Os atributos de um ator so suas caractersticas individuais. O foco primrio da ARS so os laos relacionais, o que no impede que os atributos sejam analisados, por exemplo, por mtodos estatsticos tradicionais, uma vez que os valores dos atributos sejam coletados. O conjunto de atributos de uma rede denominado composio da rede social (WASSERMAN; FAUST, 1999, p. 38). Uma relao em uma rede (do ingls relation) define todo o conjunto de laos que respeitam o mesmo critrio de relacionamento, dado um conjunto de atores. Redes multi-relacionais so aquelas nas quais existem mais de um tipo de lao, portanto mais de uma relao (WASSERMAN; FAUST, 1999, p. 16). As relaes tm duas propriedades importantes que devem ser consideradas nas pesquisas e que condicionam os mtodos de anlise de dados disponveis, que so: direcionamento, podendo ser direcionais, caso no qual tm um ator como transmissor e outro como receptor, ou no-direcionais, caso no qual a relao recproca, como no caso da amizade, por exemplo; valorao, podendo ser dicotmicas, o que implica sua presena ou ausncia, ou valoradas, com valores discretos ou contnuos (WASSERMAN; FAUST, 1999, p. 44). No caso de relaes valoradas, os valores podem, por exemplo, referirem-se intensidade dos laos. Uma rede de modo-duplo (do ingls two-mode networks) uma rede que tem dois conjuntos distintos de atores, com atributos particulares para cada conjunto. Conjuntos distintos de atores podem ser, por exemplo, cidados e rgos governamentais, ou ainda alunos e professores. Em uma rede de mododuplo, geralmente um conjunto de atores emissor da relao e outro receptor (WASSERMAN; FAUST, 1999, p. 29; 30). Podem ser estudadas redes de modo-mais-alto (do ingls higher-mode network) que tm mais de dois conjuntos de atores, mas deve-se considerar que os mtodos de clculo utilizados em ARS geralmente no so projetados para redes to complicadas (WASSERMAN; FAUST, 1999, p. 35). Nas redes de modo-duplo, ou de modos maiores que um, diferentes nveis de agregao podem estar presentes em um mesmo estudo. Por exemplo, no caso do relacionamento entre cidados e organizaes no governamentais, em um modo da rede os atores so pessoas e, em outro, as organizaes, que apesar de terem pessoas como membros, tais pessoas no so consideradas individualmente.

Uma rede por afiliao (do ingls affiliation networks) tambm denominada membership network um tipo especial de rede de modo-duplo na qual existe um conjunto de atores e um conjunto de eventos ou atividades (WASSERMAN; FAUST, 1999, p. 30; 40). Os atores relacionam-se com os eventos, como por exemplo no caso das pessoas que participam de uma festa ou de pessoas que so afiliadas a um clube. Assim como possvel analisar os atributos dos atores, tambm possvel analisar-se os atributos dos eventos. As dades e as trades so unidades de anlise que dois e trs atores, respectivamente, e os laos possveis entre eles (WASSERMAN; FAUST, 1999, p. 18). A anlise de dades busca identificar, por exemplo, se os laos so recprocos e se, em uma rede multi-relacional, um conjunto especfico de relaes mltiplas tende a ocorrer simultaneamente (WASSERMAN; FAUST, 1999, p. 18). A transitividade, ou no, de uma relao (i.e. se um ator A gosta de um ator B e B gosta do ator C, ento A gosta de C) um tipo de anlise feita utilizando-se o conceito de trade. Granovetter (1973), por exemplo, assumindo a transitividade como premissa entre atores que tm laos fortes, mostra teoricamente porque os laos fracos so de especial importncia como pontes entre partes de uma rede que no esto fortemente ligadas. A anlise de transitividade o tema central na anlise do balano estrutural da rede, parte da teoria de balanceamento (do ingls, balance theory) (WASSERMAN; FAUST, 1999, p. 19; 220). Um subgrupo um subconjunto de atores e todas as possveis relaes conjuntos de laos entre eles (WASSERMAN; FAUST, 1999, p. 19). Em termos de redes sociais, um clique6 um subgrupo no qual cada ator tem laos com todos os demais, sendo que no pode haver qualquer ator fora do clique que tenha laos com todos os atores do clique. Um grupo um conjunto finito que engloba todos os atores para os quais os laos de determinado tipo (i.e. uma relao) foram mensurados. Pode existir mais de um grupo, tanto no caso de redes multirelacionais, quanto no caso de redes de modo-duplo. Deve ser entendido que diferentes trabalhos que utilizam a ARS eventualmente definem o que um grupo de forma diferente (WASSERMAN; FAUST, 1999, p. 19).
6

Na lngua portuguesa, o uso principal do termo clique est associado com estalido (FERREIRA, 1999) ou rudo

(HOUAISS; VILLAR, 2001). No entanto, uma acepo oriunda do francs, utilizada na Sociologia, que j aparece nos dicionrios utilizados no Brasil, tem significado similar, ainda que no formal, ao termo quando usado em anlise de redes sociais, como pode ser visto no trecho a seguir: clique /klik/ [fr.] s.f. (sXX) 1 SOC pequeno grupo de pessoas estruturadas espontaneamente dentro de um grupo maior com base na simpatia e em interesses comuns e no qual todos os membros revelam apenas apreciaes positivas entre si. [...] (HOUAISS; VILLAR, 2001)

Um conjunto de atores (do ingls actor set) compreende todo o conjunto de atores do mesmo tipo, e nico mesmo se a rede social for multi-relacional, no o sendo apenas em caso de redes de mododuplo. Uma rede social (do ingls social network) consiste de um ou mais conjuntos finitos de atores [e eventos] e todas as relaes definidas entre eles (WASSERMAN; FAUST, 1999, p. 20). Deve-se entender que a classificao de rede social aqui adotada ampla, podendo at mesmo ser composta de atores no humanos. Alm disso, existem estudos que associam as redes sociais apenas a uma categoria de rede que envolve o fluxo de informaes no formais tambm chamadas redes informais7 (do ingls informal networks) o que no o caso neste trabalho. Este tipo de definio restrita para o conceito de rede social citado por Grosser em uma reviso de literatura do sobre as redes humanas nas organizaes:
Uma forma de categorizar as redes de comunicao em organizaes [no presente trabalho denominadas redes sociais] pela sua funo: (1) redes sociais (compartilhamento de informaes no relacionadas ao trabalho), (2) rede de autoridade (comunicao de informaes relacionadas autoridade e as responsabilidades formais entre os membros da organizao), e (3) rede de especialistas (comunicao de natureza tcnica, associada com a execuo de tarefas relacionadas ao trabalho) (MCCLURE apud GROSSER, 1991, p. 353).

Se por um lado a distino entre relaes formais e informais importante nos estudos de organizao, por outro ambos os tipos de relaes esto intimamente relacionados (GROSSER, 1991, p. 354), e podem ser analisados conjuntamente atravs dos mtodos disponveis na ARS para analise de redes multi-relacionais.

UMA TAXONOMIA PARA A AR E A ARS

9

Esta seo indica a taxonomia utilizada para apresentao da ARS a partir dos trabalhos de Wasserman e Faust (1999)8 e parcialmente de Carrington, Scott e Wasserman (2005)10. Tais trabalhos so

Um tipo de rede informal que estudada utilizando-se mtodos de redes sociais pode ser denominada em portugus pela expresso popular rdio-peo. Tal expresso se refere difuso de informaes atravs de conversas informais entre empregados sobre assuntos no relacionados diretamente com os processos de trabalho dos envolvidos. A expresso em ingls para tais redes informais organizational grapevine ou rumor mill (GROSSER, 1991, p. 366). 8 Katherine Faust e Stanley Wasserman esto preparando a segunda edio do livro (FAUST; WASSERMAN, 2005, em preparao), segundo o currculo de Wasserman que est na Web (WASSERMAN, 2005). Apesar disso, no est claro quando a edio estar pronta, uma vez que a ltima frase da primeira verso, lanada em 1994, j prometia tal edio com as seguintes palavras: Concluindo, ns estamos excitados sobre as perspectivas futuras de mtodos para anlise de redes sociais, e pretendemos incorporar tais avanos em um secunda edio deste livro (WASSERMAN; FAUST, 1999). De qualquer maneira, o livro Models and Methods in Social Network Analysis, , lanado em 2005, faz parte da mesma srie que a primeira edio sendo complementar a ela, uma vez que apresenta uma coletnea de artigos de diversos autores relacionada aos desenvolvimentos mais recentes na anlise de redes (CARRINGTON; SCOTT; WASSERMAN, 2005).

referncias essenciais nas pesquisas em ARS, e so complementares, sendo que a mesma taxonomia adotada em outros trabalhos de ARS (HUISMAN e VAN DUIJN, 2005, p. 275). Alm disso, como os autores citados fazem uma abordagem bastante ampla das metodologias de anlise de redes sociais, seus temas para a ARS englobam tambm as metodologias para AR em geral. De forma sinttica, fazendo uma sntese da organizao de temas e captulos feita originalmente por Wasserman e Faust (1999) com os temas que ganham espao nos ltimos anos (CARRINGTON; SCOTT; WASSERMAN, 2005), possvel sugerir a taxonomia a seguir para o estudo da AR:

conceitos bsicos utilizados em ARS: atores, laos, relaes, etc; metodologia: amostragem, modelagem e modelos estatsticos; representao matemtica: grafos, matrizes e lgebra relacional; propriedades estruturais e de localizao: centralidade e prestgio, balano estrutural e transitividade, coeso, afiliao;

papis e posies: equivalncia estrutural, blockmodels, lgebra relacional, posies e papis na rede, difuso de inovaes e fluxo de informaes, anlise de correspondncia;

dades e trades; modelos estatsticos: anlise estatstica de redes com uma relao nica, blockmodels estatsticos, ndices para regresso estatstica, grafos randmicos, grafos de dependncia e parmetros p*, modelos para anlise longitudinal (ao longo do tempo) das redes.

visualizao de redes: tcnicas e softwares para visualizao de redes sociais.

Os conceitos bsicos e a definio matemtica so essenciais para qualquer pesquisador interessado na anlise de redes. As propriedades estruturais e os papis e posies compreendem os principais temas estudados pela Anlise de Redes Sociais ARS (WASSERMAN; FAUST, 1999). J no caso da AR em geral, aplicada alm de contextos sociais, como a Fsica e a Computao, os modelos estatsticos, representados pela anlise da topologia das redes e pelo estudo de parmetros de distribuio, so muito enfatizados (BARABSI; ALBERT, 1999; VZQUEZ, 2004, p. 17940). Carrington, Scott e
9

(&&&) Adicionar comentrio Em resumo ao final de cada seo, como na seo Fundamentao, e explicar tal fato na Metodologia 10 Em relao ao estudo mais recente (CARRINGTON; SCOTT; WASSERMAN, 2005), este texto analisa apenas os captulos 4, 11, 12 e 13. Esta escolha se deu pois o tema centralidade bsico no entendimento de redes sociais, por que a anlise de dados longitudinais exemplifica tanto o estudo da dinmica das redes, quanto a modelagem estatstica, e por que o tema visualizao, presente nos captulos 12 e 13, no tratado separadamente no estudo mais antigo adotado nesta seo (WASSERMAN; FAUST, 1999).

Wasserman indicam um crescimento do interesse em ARS das pesquisas baseadas em modelos estatsticos e metodologias (CARRINGTON; SCOTT; WASSERMAN, 2005). Considerando que a argumentao de Carrington, Scott e Wasserman representa adequadamente os desenvolvimentos na pesquisa em ARS que ocorreram nos ltimos anos, em relao ao trabalho de Wasserman e Faust, outros temas que tiveram grandes desenvolvimentos em ARS foram: redes de afiliao, ou de modo duplo, redes mltiplas, estudos longitudinais, de anlise da dinmica das redes ao longo do tempo, simulaes, e ainda estudos tradicionais, como a anlise de centralidade. Aparentemente, houve uma diminuio de novas pesquisas que lidam apenas com dades ou trades. Deve-se considerar ainda que a taxonomia de temas de estudos em ARS, apresentada acima, no dicotmica. Isto , temas como a modelagem estatstica, a visualizao e a metodologia, por exemplo, esto associados anlise de propriedades estruturais, de papis e posies e de dades e trades.

METODOLOGIA DE PESQUISA UTILIZADA NA ARS

A coleta de dados em estudos de ARS feita atravs de metodologias comumente utilizadas nas cincias sociais (LAVILLE; DIONNE, 1997, p. 165-196), como questionrios, entrevistas, observaes, dados de arquivos, experimentos controlados e dirios (WASSERMAN; FAUST, 1999, p. 45). No caso da AR, tambm so adotados outros mtodos disponveis para as cincias naturais, dependendo do problema a ser modelado. Uma diferenciao bsica entre a ARS e a AR se d na coleta de dados. A coleta de dados para as redes sociais dependem em geral da interao com pessoas, trazendo um carter subjetivo para os dados. Alm disso, a necessidade de interao entre pessoas para a coleta de dados pode trazer restries para o volume de dados disponveis. A ARS, por seu turno, utiliza tcnicas que tm particularidades devido ao fato do foco das pesquisas ser as ligaes entre os atores, e no seus atributos. Exemplos de tais tcnicas so os denominados estudos centrados no ego e os estudos das redes denominadas small-worlds, que analisam a distncia entre atores em uma rede social (WASSERMAN; FAUST, 1999, p. 45). H estudos que associam s redes small-worlds caractersticas tanto de redes aleatrias, como o caminho mais curto entre atores, quanto de redes estruturadas, como um alto grau de agrupamento (WATTS; STROGATZ, 1998, p. 440; WATTS, 1999). A coleta a partir de dados de arquivos envolve tanto o acesso a pesquisas cientficas e de opinio previamente executadas, quanto o acesso a arquivos eletrnicos, como o log de sistemas de email e a recuperao de informaes sobre a estrutura da Web (PAGE et al., 1998; BRIN; PAGE, 1998; KLEINBERG, 1998; BHARAT et al., 2001).

Na AR co-existem algumas abordagens distintas, mas especificamente: probabilstica, determinista, descritiva, normativa (WASSERMAN; FAUST, 1999, p. 558; 676; 728). Na abordagem probabilstica, os estudos baseiam-se na formulao em modelos parametrizados e testes de hipteses, necessitando em geral de um grande volume de dados. Nas abordagens deterministas, modelos tericos, muitas vezes baseados apenas na argumentao, fundamentam os estudos. Os estudos de redes podem ainda adotar abordagens descritivas e normativas. As abordagens normativas e descritivas podem conviver em uma mesma pesquisa. Por exemplo, no caso do estudo de redes ser aplicado a organizaes, o levantamento e anlise de dados corresponde descrio, enquanto as sugestes de interferncia gerenciais corresponde parte normativa (KRACKHARDT; HANSON, 1993, MOLINA, 2000; KRACKHARDT, 1987). Tomando-se as abordagens determinista e probabilstica como associadas dimenso de concepo e as abordagens normativa e descritiva como associadas dimenso de atuao em relao realidade, possvel sintetizar as diferentes abordagens presentes na AR atravs da figura a seguir. Tais abordagens esto presentes na pesquisa cientfica em geral

FIGURA 1 fonte: autores 11

Abordagens da pesquisa em relao concepo e atuao no mundo

Com relao coleta de dados, muitas tcnicas de ARS assumem que feito um censo da populao de interesse, ou seja, que os dados de todos os atores que pertencem rede social analisada so coletados. Em tal tipo de estudo a populao e seus limites so bem definidos, sendo que os atores a serem entrevistados podem ser identificados a partir de listas fixas, como a lista de empregados de uma empresa, ou a partir de dados de um censo de populao, por exemplo. Alm disso, a identificao dos atores da rede pode ser realista ou nominal. No primeiro caso os prprios atores respondem diretamente questes que os identificam como pertencentes, ou no, ao
11

Os grafos que aparecem neste texto, bem como os resultados numricos das anlises a eles associadas, foram elaborados utilizando-se o software UCINET, verso 6.79 (BORGATTI; EVERETT; FREEMAN, 2005)

conjunto de atores pesquisados. No caso da identificao nominal, o pesquisador define o conjunto de atores a partir de dados previamente estabelecidos, como listas de pessoas que esto afiliadas a um clube ou atributos como renda ou local de moradia. Ainda com relao coleta de dados, em ARS a unidade de modelagem pode ser diferente da unidade de observao (WASSERMAN; FAUST, 1999, p. 43; 44). A unidade de anlise pode ser o ator individual, a dade, a trade, um subgrupo, um conjunto de atores ou toda a rede social. Diferentes mtodos de clculo esto disponveis para diferentes anlises. O caso mais comum aquele no qual atores individuais provem dados para a pesquisa, sendo assim o ator a unidade de observao. Mas, por exemplo, caso se pea para um ator indicar toda sua rede de contatos (ego-centered network) ou quando se observa a relao entre dois atores (dade) a fim de que estes passem a ser considerados parte da rede como o contato entre duas crianas em um parque infantil (WASSERMAN; FAUST, 1999, p. 43) a unidade de observao no mais o ator. Por outro lado, existem diversas tcnicas de amostragem utilizadas na ARS, dentre as quais merecem meno:
amostragem

de rede baseada no ego: tipo de coleta de dados muito utilizada em ARS, que resulta

em mtodos de anlise especficos, a baseada no ego (egocentric data (ROTHENBERG, 1995, p. 106) e ego-centered network (WASSERMAN; FAUST, 1999, p. 42)). Neste tipo de pesquisa o ator pesquisado (i.e. ego) indica pessoas (i.e. alters) com as quais tem laos, e tambm como percebe os laos entre tais pessoas (ou seja, o ego indica laos entre seus alters);
amostragem

via bola de neve (do ingls snowball sampling): uma tcnica realista e adaptativa na

qual os atores que iro fazer parte da pesquisa so indicados pelos prprios pesquisados. De acordo com tal tcnica, pergunta-se para um pr-determinado grupo de atores (zona de primeira ordem (apud WASSERMAN; FAUST, 1999, p. 34) ou primeiro estgio (ROTHENBERG, 1995, p. 105)) com quem ele tem laos, resposta que serve como indicao do prximo grupo de atores na rede a ser pesquisado (segundo estgio, ou zona de segunda ordem). A pesquisa prossegue at que no sejam indicados novos atores. Tal tcnica de amostragem parece ter suas origens no trabalho de Goodman (1961) (apud ROTHENBERG, 1995, p. 104). Uma zona de primeira ordem Doreian e Woodard (1992) comparam o uso de lista fixa com o uso de uma tcnica que eles denominaram seleo expandida por bola de neve (do ingls expanding (snowball) selection (DOREIAN; WOODARD, 1992, p. 219)), concluindo que:

Os dois mtodos so fundamentalmente diferentes e no podem ser usados como substitutos um do outro. Quando os dados so coletados em mltiplos pontos no tempo, as diferenas entre os mtodos so maiores. As redes entre agncias [de servios sociais] mudam ao longo do tempo: agncias deixam a rede enquanto outras agncias se juntam. A seleo por bola de neve pode responder a estes desafios enquanto a seleo por lista fixa no pode (DOREIAN; WOODARD, 1992, p. 216).

Os resultados da aplicao da lista fixa e da seleo expandida, diferem, por exemplo, no nmero de atores identificados, em indicadores de rede como a centralidade, na estrutura da rede, e no contedo (qualidade) detectado pelos laos. A seleo expandida parte de uma lista fixa inicial no caso deles obtida a partir de especialistas (do ingls informed experts) (DOREIAN; WOODARD, 1992, p. 218) que expandida sempre que um nmero pr-definido de atores pesquisados cita um ator que no est na lista (DOREIAN; WOODARD, 1992, p. 220). Tal tcnica gera algum trabalho e custo adicional para a pesquisa (DOREIAN; WOODARD, 1992, p. 231), mas evita restries como: limitao a uma lista fixa pr-definida antes do incio da pesquisa, que ignora modificaes dinmicas da rede e as prprias limitaes da lista fixa inicial; no limita o nmero de citaes permitidas a cada pesquisado, o que, por seu turno, evita que laos fracos, que podem ser importantes para aspectos estudados da rede, sejam ignorados (DOREIAN; WOODARD, 1992, p. 217; 218).
Episodic

Communication Channels in Organizations ECCO: uma tcnica que se aplica a

detectar o fluxo de informao informal (rdio-peo) (ARNOLD apud GROSSER, 1991, p. 366);
amostra

por convenincia: na amostragem por convenincia o pesquisador introduz um corte na

amostragem devido a algum fator externo estrutura da rede. Este tipo de amostragem pode ocorrer, por exemplo, quando se pesquisa uma rede de usurios de drogas, somente considerando aqueles atores que esto em determinada clnica de tratamento. Tal tipo de amostragem introduz srias restries na rede e pode no adequada em muitos casos, principalmente considerando-se uma abordagem estatstica. No entanto, tal julgamento depende do objetivo de cada pesquisa e mtodos estatsticos adequados. Algumas tcnicas de amostragem que, por vezes, so mencionadas como por convenincia so: amostragem de localidade (do ingls site sampling); amostragem de alvo (do ingls targeted sampling); amostragem por informante chave (do ingls key informant sampling); amostragem por propsito (do ingls purposive sampling); amostragem estratgica; amostragem por julgamento; e amostragem dimensional (TenHouten et al., 1971; Watters;

Biernacki, 1989; Deaux; Callaghan, 1984; 1985; Warwick; Lininger, 1975; Hunt, 1970; Honigmann, 1970; Bernard, 1988; Pelto; Pelto, 1979; Arnold apud ROTHENBERG, 1995, p. 106);
abordagem

estatstica: autores como O. Frank (1978), Burt e Ronchi (1994) e Rothenberg (1995)

estudam como tcnicas de amostragem estatstica de redes sociais, podem ser utilizadas para que propriedades de toda a rede possam ser inferidas a partir de amostras de partes da rede. A tcnica de bola de neve pode ser usada, por exemplo, a fim de amostrar parte da rede, at determinado estgio ou ainda para que os atores indicados em cada estgio sirvam como base para a amostragem aleatria do prximo estgio, gerando uma caminhada aleatria, ou randmica (do ingls random walk) (FRANK, 1979; KLOVDAHL, 1989 apud ROTHENBERG, 1995, p. 105). Outro procedimento de amostragem probabilstica denominado amostragem por multiplicidade (do ingls multiplicity sampling (Sirken; Levy, 1974 apud ROTHENBERG, 1995, p. 105). Alm da possibilidade de inferncia de caractersticas de toda a rede a partir de uma amostra, o que pesquisas que usam a amostra por multiplicidade e a tcnica de bola de neve tm em comum, nestes casos, que a amostragem adaptativa de acordo com atributos e laos dos atores, ou caractersticas dos ns e linhas, segundo a nomenclatura de grafos, usados para representar as redes (THOMPSON, 1998). A abordagem probabilstica est ligada ao estudo de redes randmicas e redes complexas, bem como suas propriedades estocsticas. Uma dificuldade da abordagem probabilstica em relao s redes sociais que para muitas delas no se conhece o nmero total de atores (N) na rede, o que, nestes casos, no permite validar estatisticamente as inferncias realizadas. A soluo para tal problema seria, segundo Rothenberg, o desenvolvimento de um novo paradigma, a fim de ser validar as anlises de dados de redes sociais (ROTHENBERG, 1995, p. 106). possvel adicionar que, mais do que um novo paradigma, novos mtodos podem ser acrescentados aos tradicionais mtodos estatsticos a fim de que se utilize os instrumentos mais adequados em cada caso. No caso da abordagem estatstica, a partir da distribuio de probabilidades e de parmetros obtidos a partir da anlise dos dados das redes analisadas, possvel se fazer testes de hipteses e previses sobre o comportamento futuro de sua estrutura, ou topologia, considerando os dados sob investigao como realizaes ou observaes de variveis, cuja distribuio aferida (WASSERMAN; FAUST; 1999, p. 508). Esses estudos podem ser uma rea de ligao entre as cincias naturais e as cincias sociais, e tambm entre estudos de redes complexas e de redes sociais (WASSERMAN; FAUST; 1999; WATTS, 2004; MILO et al., 2002; MILO et al., 2004; DOROGOVTSEV; MENDES, 2002; NEWMAN; WATTS; STROGATZ, 2002; VAZQUEZ et al., 2004).

Com tantas possibilidades de amostragem, e considerando problemas nos censos que usam listas fixas, como apontado por (DOREIAN; WOODARD, 1992), o tratamento de erros deve ser uma preocupao na pesquisa em ARS. No entanto, o mesmo no ocorre segundo Wasserman e Faust, os quais afirmam que Surpreendentemente, pouco trabalho tem sido feito sobre assuntos como validade, confiana (do ingls reliability), e erros de medio em relao a dados de redes sociais (WASSERMAN; FAUST, 1999, p. 56). Finalmente, deve-se dizer que o domnio da notao matemtica usada em ARS essencial para a comunicao das pesquisas e para a identificao dos mtodos de anlise disponveis e aplicveis em cada caso, como ser visto na prxima seo.

ALGUNS EXEMPLOS DE DIFERENTES PESQUISAS E METODOLOGIAS

Um exemplo de modelo terico determinista o estudo clssico de Granovetter, sobre a fora dos laos fracos (do ingls The strength of weak ties). Nesse estudo, Granovetter diz que uma trade na qual os atores A e B e A e C tm laos fortes, mas os atores B e C no tm improvvel de ocorrer (unlikely to occur). Logo a seguir, Granovetter escreve que vai exagerar tal hiptese e supor que tal trade nunca ocorre (GRANOVETTER, 1973, p. 1363). A anlise feita a partir deste ponto mostra que os laos fracos so os nicos responsveis por criar pontes entre sub-redes, fazendo-se assim uma ligao terica importante entre a micro-estrutura da rede (trade) e a macro-estrutura (pontes entre subredes). O modelo de Granovetter chama ateno para aspectos essenciais dos estudos de redes. No entanto, a hiptese de que a trade proibida no ocorre, ou ocorre muito pouco, no analisada empiricamente. Alm disso, no se comparou diferentes tipos de rede para se saber qual a probabilidade de tal trade ocorrer em redes com diferentes estruturas (laos entre atores) e composies (atributos dos atores). A anlise estatstica de padres repetitivos de interconexo que ocorrem em rede complexas (expresso em ingls network motifs) (MILO et al., 2002; MILO et al., 2004; VAZQUEZ et al., 2004), que se aplicam tanto a redes sociais, quanto a redes como a Web e redes biolgicas, mostra como a estrutura global de uma rede influenciada por padres locais de ligao. Os network motifs so identificados atravs de um algoritmo que compara os padres de interconexo de redes reais (sociais, biolgicas, etc) com padres de interconexo de redes aleatrias, sendo que aquelas configuraes que tm maior probabilidade de ocorrer nas redes reais do que nas aleatrias so considerados os network motifs. Um fato interessante, sob a perspectiva social, que o algoritmo seria aplicvel mesmo a redes pequenas, com o nmero de ns na ordem de 100 (cem) (MILO et al. 2002, p. 827). Neste caso, os padres estudados no se limitam s trades, mas a subgrafos de n-ns (MILO et al., 2002, p. 825), apesar das trades continuarem como poderosos instrumentos de anlise e comparao de padres de diferentes tipos de redes, atravs dos chamados Perfis de

Significncia das Trades (do ingls Triad Significance Profiles TSP) (MILO et al., 2004, p. 1539), visando identificar superfamlias de padres de redes. Os network motifs definiriam classes universais de rede (MILO et al., 2002, p. 824). Os network motifs podem, por exemplo, serem responsveis por responder questo colocada por Newman, Watts e Strogatz em relao a padres existentes em redes sociais que no aparecem em grafos aleatrias, como proposto por Erds e Rnyi (1960):
Ns comparamos as predies do nosso modelo com dados de vrias redes sociais reais e encontramos que, em alguns casos, os modelos esto fortemente de acordo com os dados, enquanto em outros isso no acontece, talvez indicando a presena de estruturas adicionais nas redes sociais que no so capturadas pelos grafos aleatrios (NEWMAN; WATTS; STROGATZ, 2002, p. 2566)

Barabsi e Albert, por seu turno, propuseram um modelo de rede, que denominaram redes de escala livre12, nas quais os novos vrtices adicionados rede no se conectam aos demais de forma aleatria, mas preferencialmente com os vrtices mais conectados anteriormente (BARABSI; ALBERT, 1999, p. 509), o que d surgimento s leis de potncia13, que por sua vez no pode ser previstas atravs de modelos de redes aleatrias. Vzquez et al., por outro lado, analisando dados de redes celulares, argumentam que a estrutura local de subgrafos (ou motifs) e a estrutura topolgica global [...] mutuamente definem e predizem uma outra (VZQUEZ, 2004, p. 17940). Esta uma rea de oportunidades para os estudos em ARS, uma vez que pode ser possvel embasar empiricamente modelos e teorias sobre o comportamento social. Um exemplo de aplicao de tcnicas de ARS em uma organizao dado por Krackhardt e Hanson. Os pesquisadores exemplificam o tipo de pergunta que pode ser feita a fim de se detectar diferentes
12

A expresso rede de escala livre (do ingls scale-free network) se contrape a outros tipos de grafo (ou redes), como os grafos randmicos e os grafos de mundo pequeno (BARABSI; ALBERT, 1999). Nas redes de escala livre, ao contrrio das demais, a probabilidade de existncia de ns com um nmero grande de laos no decai exponencialmente com o crescimento do nmero de laos. 13 A lei de potncia, nas chamadas redes de escala livre, se refere probabilidade de um vrtice qualquer ter k arestas ligando-o a outros vrtices do grafo. A lei de potncia, P ( k ) k

(BARABSI; ALBERT, 1999, p. 510), indica que a

probabilidade de um vrtice qualquer ter muitas ligaes decrescente, uma vez que o nmero de ligaes k est elevado a um valor negativo, sendo que o fator varia de uma rede para outra. A conseqncia da existncia de uma lei de potncia em uma rede que poucos vrtices tm muitas arestas, e muitos vrtices tm poucas arestas. No modelo de redes de escala livre, proposto por Barabsi e Albert, as leis de potncia aparecem devido s redes crescem dinamicamente, com adio de novos ns, e ao fato dos novos ns se ligarem preferencialmente queles ns que tm muitas ligaes (BARABSI; ALBERT, 1999, p. 510), caractersticas que no so modeladas por grafos aleatrios (ERDS, RNYI, 1960) ou modelos de grafos para mundos pequenos (WATTS; STROGATZ, 1998) ambos os modelos assumem um nmero fixo de ns, sendo que no caso dos grafos aleatrios assume-se uma distribuio de Poisson, sem conexes preferenciais, e no caso dos mundos pequenos as conexes preferenciais so em relao aos ns mais prximos. Estudos empricos determinam o fator para diferentes redes de escala livre. A rede de atores de cinema, por exemplo, tem um Yactor = 2,3 0,1 , enquanto a Web tem um Ywww = 2,1 0,1 (BARABSI; ALBERT, 1999, p. 510).

relaes em uma rede social em uma organizao. Mais especificamente, as perguntas feitas pelos pesquisadores visam identificar a rede de trabalho, a rede de especialistas e a rede de confiana, como exemplificado pelo seguinte pargrafo:
Gerentes podem analisar as redes informais em trs passos. O primeiro passo conduzir uma pesquisa de opinio (do ingls survey) aplicando questionrios aos empregados. As seguintes questes esto entre aquelas que podem ser perguntadas: Com quem voc fala todo dia? A quem voc solicita ajuda ou conselhos pelo menos uma vez por semana? [...] Em quem voc confia para compartilhar preocupaes em relao a questes associadas ao trabalho? Algumas companias tambm entendem que til empregar questionrios para determinar a impresso dos gerentes sobre as redes informais, de forma que tais impresses possam ser comparadas com a rede real revelada atravs dos questionrios dos empregados. Em tais pesquisas, exemplos de questes so: A quem voc acha que Steve recorre para aconselhamento relacionado com o trabalho? [] O segundo passo fazer um cruzamento entre as respostas. [...] O terceiro passo processor as informaes coletadas usando um dos vrios programas de computador comerciais disponveis a fim de gerar grafos detalhados da rede (KRACKHARDT; HANSON, 1993, p. 106)

FUNDAMENTAO MATEMTICA USADA NA ARS

Cada definio utilizada na ARS fundamentada matematicamente14. Tal fundamentao permite que todos os estudos que utilizam a ARS possam utilizar ferramentas poderosas de anlise e visualizao de redes sociais. A ARS utiliza como notao matemtica 3 (trs) abordagens matemticas distintas, mais especificamente: grafos; matrizes, que um objeto de estudo da lgebra linear; e lgebra relacional, neste texto referenciada como notao algbrica. As diferentes notaes matemticas so, em geral, compatveis e conversveis entre si, sendo cada uma mais ou menos adequada em determinadas situaes15 (WASSERMAN; FAUST, 1999, p. 70). Devido a limitaes de espao e ao enfoque adotado, est fora do escopo deste texto o detalhamento da fundamentao matemtica de mtodos importantes utilizados na anlise de rede, mais especificamente: mtodos estatsticos de anlise de redes, sociais ou no; redes de modo mais alto, como as redes de afiliao; a anlise da evoluo das redes ao longo do tempo, ou anlise longitudinal de redes sociais; diferentes modelos tericos de grafos. O foco desta seo na fundamentao matemtica atravs de grafos necessria para a ARS.
Esta seo mostra a notao matemtica associada a cada definio apresentada na seo 2, Definio de conceitos fundamentais em AR e ARS. 15 A converso matemtica entre as diferentes representaes realizada atravs do software, evidentemente atravs de mtodos de clculo que foram previamente programados. A discusso dos mtodos de clculo e de converso entre notaes est alm do escopo deste texto.
14

Esta seo apresenta a associao entre conceitos da ARS e definies matemticas16, com foco em grafos, bem como alguns mtodos de anlise e visualizao. O objetivo desta seo destacar a associao entre os conceitos utilizados em ARS e as definies matemticas subjacentes, bem como indicar alguns aspectos das redes que podem ser analisados numericamente. Com relao aos mtodos de anlise utilizados para a ARS, cada mtodo de anlise enfatiza diferentes aspectos17 da rede, sendo os seguintes destacados nesta seo: centralidade e prestgio; posies e papis; coeso. Ao organizar a seo desta forma, objetiva-se fundamentar a apresentao do restante do texto, possibilitando o entendimento mesmo para leitores que no tm uma slida formao matemtica, ou conhecimento em ARS. Esta considerao especialmente vlida para pesquisadores na CI, considerando a interdisciplinaridade da rea, e o argumento de que a ARS pode ser til a diversos tipos de estudo na rea. Para uma abordagem matemtica formal das definies apresentadas devem ser consultadas outras fontes. Apenas para exemplificar e dar uma noo bsica sobre o uso de matrizes, faz-se aqui alguns comentrios. No caso de matrizes, tambm denominadas matrizes de adjacncia, identificada por X , as linhas (i) e as colunas (j) so os atores das redes sociais. Caso a rede modelada seja de modo nico, com um nico conjunto de atores, os valores i e j sero iguais e a matriz de adjacncia ser quadrada. A presena de um valor numrico na clula x i, j indica que h um laos do ator j para o ator i. Caso exista tambm um valor na clula x i, j , o lao ser recproco. Valores numricos nas clulas da diagonal, ,
x i,i , de uma matriz de adjacncia de uma rede de modo nico indicam a presena de um auto-lao. Os

auto-laos so denominados loops na nomenclatura de grafos, sendo que no so possveis em muitas modelagens (e.g. no possvel estabelecer um lao de amizade consigo prprio). Para as relaes de modo nico (one-mode networks) as matrizes so sempre quadradas e, se i=j , tem-se uma clula na diagonal da matriz, com a linha e a coluna referindo-se ao mesmo ator na rede social.

VISUALIZAO DE REDES

A AR utiliza atualmente softwares para visualizao de grafos. Freeman (2000), em um artigo sobre a visualizao de redes sociais, destaca 5 (cinco) fases distintas, sendo que, exceto a primeira fase, que ele denominou ad hoc, cada nova fase marcada pelo aparecimento de novos recursos computacionais.
Cada nova definio matemtica que aparece nesta seo destacada em itlico, sendo as letras que correspondem a smbolos matemticos e esto no texto aparecem com o tipo de letra Courrier. 17 Os conceitos apresentados nesta seo consideram uma rede como esttica, amostrada em determinado momento no tempo. A fim de se analisar como os conceitos aqui apresentados so analisados quando as redes so consideradas ao longo do tempo, se deve consultar outras fontes, e.g. (DOREIAN; STOKMAN, 1997) e (YOUNG, 1998)
16

Portanto, a visualizao de redes sociais est intimamente relacionada com a existncia de softwares para tal fim. Alm de abordar os softwares existentes para visualizao, esta seo apresenta alguns conceitos bsicos e exemplos de visualizaes de grafos. Freeman, juntamente com Borgatti e Everett, um dos autores do software UCINET (BORGATTI; EVERETT; FREEMAN, 2005), programa este que permite a visualizao de grafos e anlise numrica de dados de redes sociais. Geralmente no caso dos softwares disponveis para ARS, os dados so fornecidos atravs de matrizes (sociomatrizes na linguagem dos socilogos), que podem ser exibidas atravs grafos. A visualizao grfica por si s pode oferecer novas informaes e insights para pesquisadores (IACOBUCCI, , 1999, p. 94). A partir da lista de softwares divulgada pela INSNA18. Huisman e van Duijn (2005) analisaram 27 (vinte e sete) pacotes de software, comparando os tipos de dados, as funcionalidades e o suporte disponvel para todos os diferentes pacotes, mas analisam em maiores detalhes apenas os pacotes UCINET, Pajek, NetMiner II, STRUCTURE, MultiNet e StOCNET. O software Pajek capaz de analisa graficamente grandes redes, sendo que o mesmo, juntamente com o software Netview, est incorporado ao pacote de distribuio do UCINET. O NetMiner II um pacote capaz de fazer a anlise grfica e numrica simultaneamente. O UCINET e o NetMiner so pacotes genricos, que contm diversas funes, sendo que ambos so pagos apesar de disporem de verses de teste na Web. O texto de Huisman e van Duijn, assim como a pgina da INSNA, contm os endereos na Web dos fornecedores dos softwares de ARS. Huisman e van Duijn esto entre os responsveis pelo pacote StOCNET, que um software livre e aberto que inclui outros programas especializados em anlises estatsticas avanadas de redes sociais (HUISMAN; DUIJN, 2003). Assim como o adotado neste texto, Huisman e Duijn utilizaram a organizao adotada por Wasserman e Faust (1999) como os principais temas em ARS. Tal organizao compreende: propriedades estruturais e de localizao, papis e posies, mtodos para dades e trades, modelos estatsticos (HUISMAN; DUJIN, 2003) (WASSERMAN; FAUST, 1999). Huisman e Duijn tambm analisar de forma mais especfica softwares para modelagem estatstica baseada em distribuies de probabilidades, como modelos de grafos aleatrios, correlao QAP, e anlise estatstica de dados longitudinais (HUISMAN; DUIJN, 2004). Novamente a lista da INSNA foi utilizada, mas desta vez, em funo das funcionalidades estatsticas disponveis, apenas 16 (dezesseis) softwares foram analisados.

18

A International Network for Social Network Analysis INSNA , que uma entidade internacional que promove a pesquisa em ARS atravs de eventos e publicaes cientficas, dentre as quais se destaca a revista Social Networks, mantm na Web uma lista de softwares para anlise de redes (INSNA, 2005)

As cores e os tamanhos dos ns e das linhas, bem como suas posies grficas, e outras caractersticas (FREEMAN, 2000), podem variar em funo das anlises numricas feitas para o grafo (rede social), bem como a partir de atributos dos ns (atores). O tamanho de um n, por exemplo, pode estar associado a seu pertencimento a grupos k-ncleo (do ingls k-core), conceito definido nesta seo. Quando maior o nmero de ligaes que existe entre os ns do subgrupo k-ncleo, do qual um determinado n participa, maior o tamanho da representao visual dos ns deste grupo19. No caso da notao de grafos ser usada para modelar (no sentido de representar de forma simplificada (IACOBUCCI, 1999, p. 93)) uma rede social, os ns desenhados como pontos so utilizados para representar os atores, enquanto as linhas ou arcos desenhados como linhas ou setas, respectivamente, dependendo do grafo ser direcionado ou no so utilizados para representar os laos entre os atores. Os grafos a seguir representam uma rede social hipottica e duas distintas relaes associadas a ela. Tais grafos so utilizados nesta seo a fim de exemplificar a notao matemtica de grafos utilizada pelos mtodos de ARS.

FIGURA 2 fonte: autores

20

Rede social hipottica de uma organizao: grafo no direcionado que indica com quem as pessoas trabalham no dia-a-dia

Tal funcionalidade implementada no software UCINET, verso 6.79 (BORGATTI; EVERETT; FREEMAN, 2005) Os grafos que aparecem neste texto, bem como os resultados numricos das anlises a eles associadas, foram elaborados utilizando-se o software UCINET, verso 6.79 (BORGATTI; EVERETT; FREEMAN, 2005)
20

19

FIGURA 3

Rede social hipottica de uma organizao: grafo direcionado que indica relao de autoridade formal

fonte: autor Alm dos mtodos simples de visualizao de grafos, mtodos alternativos como o Galois lattice21 podem ser especialmente importantes para a visualizao de redes de afiliao (WASSERMAN; FAUST, 1999, p. 326) e de redes de modo duplo (BORGATTI; EVERETT, 1997). As redes de modo duplos, por sua vez, so visualizveis atravs de matrizes, de grficos obtidos a partir da anlise de correspondncia (WASSERMAN; FAUST, 1999, p. 334), e de grafos bipartidos, dentre outros mtodos de visualizao (BORGATTI; EVERETT, 1997, p. 245-248). Outro mtodo de visualizao, disponvel nos softwares de anlise de redes sociais, visualizao de dendrogramas (do ingls

dendrogram) feita a partir do agrupamento hierrquico (WASSERMAN; FAUST, 1999, p. 381).

CONCEITOS DE GRAFOS PARA A AR E A ARS

Um grafo G ( N , L) [, algumas vezes chamado grafo no direcionado (do ingls undirected graph)

(TOWNSEND, 1987, p. 197), ] consiste de dois conjuntos de informaes: um conjunto de ns [do ingls, node], N = {n1 , n2 ,..., n g ) e um [ou mais (TOWNSEND, 1987, p. 197)] conjunto[s] de linhas,
L = {l1 , l 2 ,..., l L ) entre pares de ns 22 (IACOBUCCI, 1999, p. 95). O nmero total de ns existente em um grafo representado por g e o nmero total de linhas por L. A linha (no direcionada) responsvel por ligar os ns ni e nj representada por lk = (ni , n j ) , sendo que l k = l q = (ni , n j ) = (n j , ni ) . No caso do
&&& Traduao (?) Os ns recebem ainda os nomes de vrtice ou ponto (IACOBUCCI, 1999, p. 94), sendo o termo vrtice bastante comum (TOWNSEND, 1987, p. 197) (TAYLOR, 1998, p. 23). As linhas recebem tambm o nome de arestas (do ingls edge) (IACOBUCCI, 1999, p. 95), que bastante comum (TOWNSEND, 1987, p. 197) (TAYLOR, 1998, p. 23) (ZIVIANI,
22 21

grafo

da

FIGURA

2,

por

exemplo,

conjunto

de

ns

dado

por

N = { A, B, C , D, E, F , G , H , I , J , K , L, M , N , O, P, Q, R} , sendo que as linhas das quais o n P participa so l1 = (O, P)= ( P, O ) e l 2 = (Q, P) = ( P, Q ) . Considerando o grafo da FIGURA 2 como a modelagem de uma rede social de uma organizao fictcia, o conjunto de laos desenhados pode representar uma relao que indica quais trabalhadores trabalham juntos no dia-a-dia. Esta afirmao refere-se a uma importante distino entre laos e relaes: os primeiros ligam dois atores especficos, enquanto as relaes referem-se a um conjunto de laos que diz respeito a um critrio especfico. Um digrafo (do ingls digraph) [ou grafo direcionado] consiste de dois conjuntos de informaes: um conjunto de ns, e um [ou mais (TOWNSEND, 1987, p. 285)] conjunto[s] de arcos [ou arestas direcionadas (TOWNSEND, 1987, p. 285)] (IACOBUCCI, 1999, p. 122). O arco que vai do n ni para o n nj, que representado por lk =< ni , n j > , diferente do arco que vai do n nj para o n ni,
l q =< n j , ni > ; ou seja, neste caso, em oposio ao que ocorre com as linhas do grafo no direcionado,

os arcos que ligam dois ns so distintos, lk lq . A existncia de um arco entre dois ns pode ser representada por ni n j e a sua ausncia pode ser representada por ni / n j . Considerando o grafo da
FIGURA 3 como a modelagem de uma rede social de uma empresa, o conjunto de laos desenhados

pode representar uma relao de autoridade formal. As linhas de um grafo no direcionado, ou os arcos (representados como setas) de um grafo direcionado, podem ainda receber sinais (positivos e negativos), e valores, representado, por exemplo, no caso de redes sociais, a fora dos laos (IACOBUCCI, 1999, p. 138-140). No caso do conjunto de linhas no ser nico, os grafos no direcionados podem ser chamados multigrafos, e os direcionados podem ser chamados grafos multivariados (IACOBUCCI, 1999, p. 146)23. Tais grafos com mltiplos conjuntos de laos so representados simbolicamente por G ( N , L+ ) , sendo L+ = {L1 , L2 ,..., LR ) , com R indicando o nmero total de conjuntos de linhas, ou relaes. Tais grafos so utilizados para representar redes sociais que tm mltiplas relaes. Os grafos das FIGURA
2 e FIGURA 3, considerando-os como modelos de uma rede social, podem representar uma rede social

multirelacional, pois os ns so os mesmos, sendo que apenas os laos variam, sendo, alm disso, uma das relaes direcional e outra no direcional.
2004, p. 273). No entanto, como existe consenso sobre as definies matemticas, as diferenas de nomenclatura no impedem que os resultados das pesquisas sejam partilhadas.

Existem outras definies importantes que podem ser exemplificadas atravs dos grafos das FIGURA
2 e FIGURA 3. Um subgrafo, G S (ou subgrupo da rede social) pode ser obtido tanto partindo-se de um

conjunto de ns (atores), aos quais posteriormente so adicionadas todas as linhas (relaes) entre eles, ou a partir de um conjunto de linhas (laos), ao qual so posteriormente associados todos os ns (atores) ligados atravs de tais linhas. No primeiro caso se tem um subgrafo gerado por n (do ingls node-generated graph) e no segundo um subgrafo gerado por linhas (do ingls line-generated graph) (IACOBUCCI, 1999, p. 97). Um clique em um grafo um subgrafo completo mximo de trs ou mais ns (WASSERMAN; FAUST, 1999, p. 254) destaque no original. Ou seja, um clique em um grafo um conjunto de ns dentre os quais qualquer dois pares esto ligados por uma linha, sendo que, devido restrio de ser um subgrafo mximo, no existem outros ns fora do clique que estejam tambm ligados a todos os ns do mesmo. No caso do grafo da FIGURA 2, os ns G, H, I e J, juntamente com as linhas entre eles, formam um clique. Um ponto-de-corte (do ingls cutpoint) (WASSERMAN; FAUST, 1999, p. 112) um n que, caso retirado do grafo (ou do digrafo), aumenta o nmero de componentes, que so subgrafos nos quais todos os ns esto conectados (WASSERMAN; FAUST, 1999, p. 109). Assim, o grafo da FIGURA 3 tem dois componentes. Caso o n O seja retirado, o nmero de componentes do grafo passa para 4 (quatro). Assim, o n O um ponto-de-corte, sendo que o mesmo no acontece, por exemplo, com o n Q. Analogamente, uma ponte (do ingls bridge) uma linha (ou arco no caso de digrafos) que, caso retirada do grafo (ou dgrafo) aumenta o nmero de componentes do mesmo (WASSERMAN; FAUST, 1999, p. 114). Assim, na FIGURA 2 a linha ( F , G ) uma ponte, sendo que o mesmo no acontece com a linha ( H , I ) . Um subgrafo G S ( N S , LS ) e um grafo G ( N , L) tal que todos os ns e todas as linhas do subgrafo esto no grafo, ou seja, N S N e LS L . Uma dade consiste de um subgrafo que contm dois ns, bem como todos os laos entre eles (WASSERMAN; FAUST, 1999, p. 99). Uma trade tem definio anloga a uma dade, mas composta por trs ns. A trade composta pelos ns G, H e I, na FIGURA 2, contm as linhas (G , H ) , ( H , I ) e (G , I ) . Em um grafo (no direcionado), o grau (do ingls nodal degree), denotado por d (ni ) , o nmero de linhas incidentes em um n, ou ainda, de forma equivalente, o nmero de ns adjacentes a ele (WASSERMAN; FAUST, 1999, p. 100). O grau de um n pode variar de 0, caso no qual o n isolado, at g 1, caso no qual o n est em contato com todos os demais ns do grafo; ou seja,
Townsend no faz distino entre grafos que tm um ou mais conjuntos de linhas (ou relaes). Ele define os grafos, direcionados ou no, com um conjunto de vrtices (i.e. ns) e mltiplos conjuntos (do ingls multiset) de arrestas (i.e.
23

0 d (ni ) g 1 . Neste caso se est ignorando a possibilidade de loops ou laos reflexivos, que so laos do n para o prprio n (WASSERMAN; FAUST, 1999, p. 95), caso no qual o grau do n poderia ser igual ao nmero de ns do grafo. Na FIGURA 2 o grau do n A 6, ou seja, d ( A)= 6 . Alm disso, O grau nodal mdio uma estatstica que indica o grau mdio dos ns em um grafo (WASSERMAN; FAUST, 1999, p. 100), e dado por d =

i =1

d (ni )

2L . A varincia no grau nodal g

de um grafo dado por S =

2 D

i =1

(d (ni ) d ) 2 g

2 . Se S D = 0 , ento o grafo dito d-regular. A densidade

de um grafo dada por =

L g ( g 1) / 2

2L , variando no seguinte intervalo 0 1. A g ( g 1)

varincia indica se os laos de cada relao so distribudos de forma uniforme atravs do grafo no caso de rede social pode indicar desigualdade social , alm de ser importante para o conceito de centralidade, visto a seguir. J a densidade, como outras medidas normalizadas cujo valor varia entre 0 e 1, tem a vantagem de poder ser utilizada para comparar dois grafos redes sociais distintos. No caso do grafo da FIGURA 2, como L = 20 e g = 18 , =
2 SD = 1,840 .

2(20) 2(20) 0,13 , d = = 2,22 , 18 18(18 1)

No caso de um grafo direcionado, considera-se o grau de entrada (do ingls indegree), d I (ni ) , e o grau de sada (outdegree), d O (ni ) , de acordo com a direo dos arcos que chegam ou parte do n. Na
FIGURA 3, para o n N d I ( N ) = 3 e d O ( N ) = 1 . O grau de entrada e de sada mdios so dados por

dI =

i =1

d I (ni ) g

= dO =

i =1

d O (ni ) g

L ; ou seja, os nmeros so iguais pois cada linha que sai de um g

n chega em outro, sendo o nmero de ns constante. No entanto, as varincias grau de entrada e de sada podem ser diferentes, uma vez que determinados ns podem concentrar linhas entrantes e / ou de sada, sendo dadas por S
2 DI

(d I (ni ) d I ) 2 i =1 g

e S

2 DO

i =1

(d O (ni ) d O ) 2 g

, e indicando a

desigualdade entre os atores de uma rede social para iniciar ou receber laos direcionados. A partir do grau, um n em um grafo direcionado pode ser isolado, quando d I (ni ) = d O (ni ) = 0 , transmissor, se d I (ni ) = 0 e d O (ni ) > 0 , receptor, se d I (ni ) > 0 e d O (ni ) = 0 , ou ordinrio, se d I (ni ) > 0 e
linhas) (TOWNSEND, 1987, p. 197; 285).

d O (ni ) > 0 . A densidade em uma grafo direcionado dada por = intervalo 0 1 . No caso da FIGURA 3, como d I = d O =

L e tambm varia no g ( g 1)

16 16 = 0,888 , = 0,52 , 18 18(18 1)

2 2 SD = 1,654 , S D = 0,099 . A varincia neste caso mostra que os graus de entrada variam muito mais do I O

que os graus de sada, que so sempre 1, exceto pelo n R. Outros conceitos bsicos sobre grafos so os conceitos de caminhada, W , (do ingls walk), trilha (do ingls trail) e caminho (do ingls path). Uma caminhada uma seqncia de ns e linhas, que comea e termina em ns, e na qual os ns so incidentes com as linhas que o seguem e o precedem na seqncia (IACOBUCCI, 1999, p. 105-108). Uma trilha uma caminhada na qual todas as linhas so distintas. Um caminho uma caminhada, no qual todos os ns e todas as linhas so distintos. Uma caminhada fechada (do ingls closed walk) uma caminhada que comea e termina no mesmo n. Um ciclo (do ingls cycle) uma caminhada fechada, de trs ou mais ns, no qual todas as linhas so distintas. Um tour uma caminhada fechada na qual todas as linhas do grafo esto includas pelo menos uma vez. Considerando a FIGURA 2, W = GFAOP (as linhas no so escritas aqui por simplicidade de notao) tanto uma caminhada, quanto uma trilha e um caminho, W = GHIGH no uma trilha e W = GHIG tanto uma caminhada fechada quanto um ciclo. Se existe um caminho entre dois ns em um grafo, tais ns so ditos alcanveis entre si (do ingls reachable). Se todos os ns de um grafo so alcanveis entre si, ento o grafo conectado. O grafo da FIGURA 2 no conectado, devido ao n R, contendo por isso dois componentes, sendo que um componente de um grafo um subgrafo no qual os ns so alcanveis. No caso de grafos direcionados, o conceito de caminhada direcionada (do ingls directed walk) respeita a direo dos arcos, assim como uma trilha e um caminho direcionados, alm de terem as mesmas restries anteriormente citadas para grafos no direcionados. Os conceitos de semicaminhada (do ingls semiwalk), semi-caminho (do ingls semipath) e semiciclo (semicycle) so anlogos aos conceitos de caminhada, caminho e ciclo, mas ignoram a direo dos arcos. O conceito de alcance no caso de grafos direcionados mais complicado, sendo que dois ns podem ser: no alcanveis, quando no existe sequer um semi-caminho entre eles; fracamente conectados, quando so unidos por um semi-caminho; unilateralmente conectados, quando existe um caminho em apenas uma direo; fortemente conectados, quando existem caminhos (direcionados) tanto do n i para o n j, quanto do n j para o n i; recursivamente conectados, quando existem caminhos (direcionados) entre os ns que passam pelos mesmos ns. A conexo de um grafo direcionado adota a mesma

nomenclatura para o alcance entre ns, sendo que a conexo do grafo indicada pelo par de ns mais fracamente conectado. O grafo direcionado da FIGURA 3 no conectado, devido ao n R; se tal n for excludo, o grafo passa a ser unilateralmente conectado. A distncia geodsica, d (ni , n j ) , entre um par de ns o nmero de laos que existe no caminho mais curto entre eles, ou caminho direcionado no caso de grafos direcionados, sendo que caso no exista tal caminho a distncia pode ser considerada indefinida ou infinita. O dimetro de um (di)grafo a maior distncia geodsica entre todos os pares de ns presentes. Caso os laos do grafo tenham valores, tais valores podem ser eventualmente considerados como custos e pode-se definir o tamanho do caminho (do ingls path length) como a soma dos custos dos laos (IACOBUCCI, 1999, p. 144).

MTODOS DE ANLISE DE REDES

Os conceitos de centralidade e prestgio esto ligados importncia ou proeminncia dos atores de uma rede social. A centralidade normalmente se aplica a grafos, e est associado aos laos dos quais o n participa. O prestgio, por outro lado, normalmente refere-se aos laos recebidos por um n em um grafo direcionado (WASSERMAN; FAUST, 1999, p. 169). A noo de proeminncia, e por extenso de centralidade, recebe diferentes definies matemticas a partir dos conceitos de grau, proximidade (do ingls closeness), intermediao (do ingls betweenness24), informao, e status ou rank dos atores. A notao referente s trs primeiras categorias grau, proximidade e intermediao foi originalmente organizada por L. C. Freeman (1979; 1977, 1979 apud WASSERMAN; FAUST, 1999, p. 174; 1979 apud EVERETT; BORGATTI, 2005). A soluo para o clculo da centralidade por status, ou rank, que utiliza o clculo de autovalores (eigenvalues), de matrizes e vetores (KOLMAN, 1987, p. 191), e considera no apenas o fato de um ator receber laos, mas tambm quantos laos o ator que se liga a ele recebe, foi aparentemente proposto por Seeley e revisitado por diversos autores (SEELEY 1949 apud WASSERMAN; FAUST, 1999, p. 206), dentre os quais BONACICH (1972a, 1972b, 1987 apud WASSERMAN; FAUST, 1999, p. 206; 1972 apud EVERETT; BORGATTI, 2005). O trabalho de Katz, denominado A new status index derived from sociometric data analysis, tambm aparece na bibliografia de ARS como seminal para os estudos de centralidade (1953 apud WASSERMAN; FAUST, 1999, p. 206; 1953 apud EVERETT; BORGATTI, 2005). A centralidade de informao uma proposta de STEPHENSON e ZELEN (1989). importante ainda observar que as medidas de centralidade e prestgio podem ser feitas em relao a um nico n (ator), ou a subgrafos (grupos) de um grafo (rede social).

A centralidade de grau para um ator dada por C D (ni ) = d (ni ) ; ou seja, simplesmente o grau do n. Tal medida pode ser normalizada, a fim de ter um valor entre 0 e 1 e permitir a comparao entre atores de redes diferentes, dividindo-se o grau do n pelo grau mximo que um n pode ter, ou seja o nmero
' de ns no grafo menos 1 (o prprio n), chegando-se a C D (ni ) =

d (ni ) ' , sendo 0 CD ( ni ) 1 . Na g 1

FIGURA 2, C D ( A) = 6 , sendo (BORGATTI; EVERETT, 1999). Considerando apenas o n A e os ns

incidentes a ele, tem-se um exemplo de grafo em estrela, no qual um nico n recebe laos de todos os demais. Em tal configurao, a centralidade de grau mxima; ou seja, considerando apenas o subgrafo
' ( A) = composto pelos ns A, B, C, D, E, F e O, C D

6 7 1

' ( B, C , D , E , F , O ) = = 1 , sendo C D

1 7 1

0,17 .

Considerando apenas o subgrafo composto pelos ns K, L, M, N, tem-se o exemplo de um grafo em crculo (do ingls circle graph), sendo que em tal configurao a centralidade de grau igual para todos os ns. A centralidade de proximidade de um ator mede o quanto o n que representa o ator est prximo de todos os demais ns da rede. Para calcular a centralidade de proximidade se soma a distncia geodsica do n em relao a todos os demais ns do grafo e depois inverte-se, uma vez que quanto maior
g

distncia

menor

proximidade,

chegando-se

seguinte

frmula

CC (ni ) = [ d (ni , n j )] 1 , usada por Sabidussi (1966 apud WASSERMAN; FAUST, 1999, p. 184).
j =1

Beauchamp (1965 apud WASSERMAN; FAUST, 1999, p. 185) sugeriu a normalizao do ndice, para o mesmo ficar na faixa de valores entre 0 e 1, o que pode ser feito multiplicando-se25 CC (ni ) por g-1,
' (ni ) = obtendo-se CC

( g 1) [ d (ni , n j )]
j =1 g

= ( g 1)CC (ni ) . A centralidade de intermediao, por seu turno,

analisa o quanto um n est no caminho geodsico entre outros ns. Existe portanto uma assuno implcita de que os caminhos mais curtos so os nicos a serem avaliados por tal ndice de centralidade e, adicionalmente, de que qualquer caminho mais curto tem a mesma probabilidade de ser escolhido em relao a outros de mesmo valor. Considerando tais premissas, Freeman (1977 apud WASSERMAN; FAUST, 1999, p. 190) define g jk como o nmero de caminhos geodsicos (mais curtos e de mesmo tamanho) que ligam os ns j e k, e g jk (ni ) como o nmero de tais caminhos, no total de g jk , que passa
O termo foi traduzido pelos autores adotando o mesmo termo usado por (MARTELETO, 2001(a)). Outra possvel traduo seria encaminhamento.
24

pelo n ni , propondo assim um ndice de centralidade de intermediao C B (ni ) =

j< k

g jk (ni ) gjk

, que

mede, para um n ni , a soma de probabilidades de o mesmo estar no caminho geodsico entre todos os demais ns do grafo. Para normalizar tal ndice, deve-se dividi-lo pelo seu mximo possvel, que o nmero de pares de ns no grafo que no incluem ni , ou seja ( g - 1 )( g - 2 ) / 2 , chegando-se ao
' (ni ) = seguinte ndice de centralidade de intermediao normalizado por ator C B

C B (ni ) . Um ( g 1)( g 2) / 2

ndice adicional de centralidade, denominado centralidade de informao, estende as idias presentes na centralidade de intermediao, considerando adicionalmente que qualquer caminho pode ser escolhido, e no apenas os caminhos mais curtos (geodsicos), alm do fato de que os ns que tm mais ligaes so escolhidos preferencialmente em relao aos demais. A fundamentao matemtica para tal ndice, que se baseia em clculos atravs de matrizes, pode ser lida em Stephenson e Zelen (1989 apud WASSERMAN; FAUST, 1999, p. 194). At este ponto discutiu-se o clculo de diferentes ndices de centralidade para cada ator. Considerando cada ndice de centralidade dos ns individuais (atores), qual o ndice de centralidade para um subgrafo (ou grupo de atores) ou para o grafo como um todo? A fim de responder a tal pergunta e permitir o mapeamento dos ndices de centralidade individuais para a centralidade do grupo, Freeman (1979 apud WASSERMAN; FAUST, 1999, p. 176) adota uma frmula geral que pode ser aplicada aos diferentes tipos de centralidade por ator a fim de se obter a centralidade por grupo, que dada por CA

[C (n ) C (n )] = . O denominador da equao corresponde ao valor mximo terico do max [C (n ) C (n )]

g * i =1 A A i g * i =1 A A i

ndice genrico C A para um grafo de g ns. J o fator C A (n * ) o mximo valor do ndice genrico por n no grafo que est sendo analisado. No caso da centralidade de grau por grupo, C D , por exemplo, adotando a equao anterior como base para sua formulao, o mximo grau de centralidade ocorre no grafo em estrela, com g ns, sendo o valor da centralidade dado por ( g 1)( g 2) (FREEMAN, 1979 apud WASSERMAN; FAUST, 1999, p. 180). Substituindo C A por C D , considerando o mximo, ( g 1)( g 2) , e tambm a frmula do ndice de centralidade de grau por ator, chega-se ao seguinte

25

Neste caso multiplica-se pelo mximo que o ndice pode alcanar, ou seja g 1, e no dividi-se por o ndice CC ( ni ) um ndice invertido.

ndice de centralidade de grau por grupo C D =

i =1

[C D (n* ) C D (ni )] ( g 1)( g 2)

. Seguindo raciocnio anlogo,

que pode ser lido em (WASSERMAN; FAUST, 1999, p. 184-192), os ndices de centralidade de proximidade de grupo e de centralidade de intermediao de grupo so, respectivamente, CC =

i =1

' ' [CC ( n * ) CC (ni )]

( g 2)( g 1) /(2 g 3)

CB =

i =1

' ' [C B ( n* ) C B (ni )]

( g 1)

(FREEMAN,

1977;

1979

apud

WASSERMAN; FAUST, 1999, p. 186; 191-192). possvel generalizar os ndices de centralidade de grau e de proximidade para grafos direcionados. A centralidade de grau por n em um grafo direcionado considera o grau de sada de cada n, e dado
' por C D (ni ) =

d O (ni ) , sendo que a centralidade de grau por grupo em um grafo direcionado, g 1 d O (ni ) . A centralidade de ( g 1) 2

' considerando a frmula genrica dada por C A dada por C D (ni ) =

proximidade por n em um grafo direcionado calculada atravs da mesma frmula usada para grafos no direcionados (WASSERMAN; FAUST, 1999, p. 200); no entanto, tal ndice s calculvel em grafos direcionados caso o grafo seja fortemente conectado, conceito comentado anteriormente. Para solucionar tal problema, Wasserman e Faust (1999, p. 200) usam o conceito de faixa de influncia para indicar o nmero de ns que so alcanveis a partir de um n i em um grafo direcionado, J i . Tal fator ento adicionado ao clculo de um ndice melhorado de centralidade de proximidade de n em um
* grafo direcionado, dado por CC (ni ) =

J i /( g 1) [ d (ni , n j )] / J i
j =1 g

. Tal ndice tem a vantagem de estar definido

mesmo em grafos direcionados que no so fortemente conectados. Wasserman e Faust, devido a impedimentos matemticos, no recomendam a aplicao dos ndices de centralidade de intermediao e de informao para grafos direcionados (WASSERMAN; FAUST, 1999, p. 202). Marteleto (2001(a)), por exemplo, utiliza diversos ndices de centralidade na avaliao de transferncia de informaes entre entidades envolvidas em movimentos sociais. Em relao s extenses mais recentes nos estudos sobre centralidade, Everett e Borgatti (2005) do especial nfase a trs aspectos: estudos comparativos de centralidade de grupo; estudo de centralidade em redes de modo duplo; estudo de centralidade em relao ao modelo de centro-periferia em uma rede. No caso dos estudos de centralidade de grupo e de centralidade de redes de modo duplo, Everett e

Borgatti consideram a centralidade de grau, de proximidade e de intermediao. Na anlise do modelo de centro-periferia, diversos modelos de grafos e a coeso de grupos, com o grupo que compe o centro sendo mais coeso, so considerados (BORGATTI; EVERETT, 1999). Com relao rea da Cincia da Informao, por um lado, Everett e Borgatti (2005) no tratam o ndice de centralidade de informao (STEPHENSON; ZELEN, 1989), mas, por outro lado, as redes de modo duplo e os modelos de centro-periferia podem ter aplicaes importantes para a CI. O conceito de prestgio considera a direo das linhas no grafo, e analisa os laos recebidos pelos atores. Genericamente, os atores representados nas redes sociais que recebem maior nmero de laos tm maior prestgio. O ndice de prestgio por grau, PD (ni ) = d I (ni ) , simplesmente o grau de entrada
' do n. Tal ndice pode ser normalizado como PD (ni ) =

d I (ni ) ' , sendo que max( PD ( ni )) = 1 . O ndice de g 1

prestgio por proximidade,

PP ( ni ) =

d (n , n ) / I
j i

I i /( g 1)

, noo primeiramente discutida por Lin (1976

i

apud WASSERMAN; FAUST, 1999, p. 203), considera no apenas os ns adjacentes ao n i, mas todos os ns a partir dos quais o n i alcanvel, nmero este representado pelo fator I i . Ou seja, o ndice de prestgio por proximidade tambm considera os laos direcionados recebidos indiretamente. Tal ndice sofre influncia do tamanho do grafo, no sendo adequado para comparaes entre grafos (redes) de tamanhos diferentes. Harary (1959c apud WASSERMAN; FAUST, 1999, p. 204; 205) utiliza os termos status e contrastatus, sendo o primeiro um sinnimo para o ndice de centralidade de proximidade do ator, enquanto o segundo similar ao ndice de prestgio por proximidade para o ator. Wasserman e Faust (1999, p. 205-210), por outro lado, utilizam as expresses prestgio por rank ou status a fim de apresentar um ndice bastante elaborado que considera no apenas o nmero de laos recebidos, mas qual a distncia do n para os demais ns, quanto dando maior valor para os laos recebidos de ns que recebem vrios laos. Ou seja, os laos recebidos de ns que tm um alto prestgio geram um maior prestgio 26. Esta diferena de nomenclatura um alerta. Por um lado, termos diferentes podem ser utilizados para denominar o mesmo ndice. Por outro, termos iguais podem ser utilizados para denominar ndices diferentes, o que no deve acontecer na prtica da pesquisa. Para evitar tais problemas, os pesquisadores em ARS devem estar atentos para as definies matemticas subjacentes a
Esta a idia que est presente no clculo do PageRank, do Google PageRank (PAGE et al., 1998) (BRIN; PAGE, 1998) e tambm no clculo do HITS Hyperlink Induced Topic Search (KLEINBERG, 1998). O HITS, por seu turno, inclui nos
26

um determinado termo, alm de escolherem cuidadosamente os ndices a serem usados em sua pesquisa. O conceito de balano parte da anlise de trades feita por Fritz Heider (apud WASSERMAN; FAUST, 1999, p. 220) e utiliza grafos com os laos com sinais. Um sinal negativo em uma linha do grafo significa um lao negativo entre os atores. As trades positivas so aquelas nas quais todos os laos so positivos ou nas quais existe um nmero par de laos negativos27. A partir de tal base, tem-se o conceito de balanceamento estrutural: um grafo com sinais balanceado se e somente se todos os ciclos do grafo tm sinais positivos; um grafo direcionado com sinais balanceado se e somente se todos os semi-ciclos tm sinal positivo, considerando aqui o produto de sinais dos laos. O conceito de balanceamento usado, a partir do trabalho de Harary (1954 apud WASSERMAN; FAUST, 1999, p. 233) a fim de identificar agrupamentos de ns que tm sinais positivos ou negativos entre si. A anlise de coeso de subgrupos (do ingls cohesive groups) capaz de agrupar atores em partes da rede que tm medidas relativamente fortes, diretas, intensas, freqentes, ou positivas para os laos. Existem portanto diferentes fatores que podem ser usados na identificao de grupos coesos, como laos mtuos; proximidade e alcance de membros do subgrupo; freqncia de laos entre os membros (WASSERMAN; FAUST, 1999, p. 251). A identificao de clique uma das formas de se identificar subgrupos coesos. No entanto, como a definio de cliques exige que cada ator tenha laos com todos os demais, sendo portanto muito restritivo, existem definies alternativas, como o conceito de nclique. Um n-clique, N S , um subgrupo mximo de ns para o qual os ns so alcanveis entre si com a distncia geodsica mxima n, sendo formalizado como d (i, j ) n para todo ni , n j N S . A partir de tal definio sabe-se que um 1-clique exatamente igual definio de clique. Existem outras formas de identificar subgrupos coesos, como o conceito de k-ncleo (do ingls k-core, sendo core uma palavra de origem inglesa que significa, no contexto de ARS, ncleo ou parte central), que uma subgrafo no qual cada n adjacente a no mnimo k outros ns no subgrafo (SEIDMAN, 1983b apud WASSERMAN; FAUST, 1999, p. 266). Enquanto o conceito de clique baseia-se no alcance, o conceito de k-ncleo baseia-se no grau dos ns que pertencem ao subgrupo. Outra forma de se agrupar atores em uma rede parte da anlise da equivalncia estrutural (LORRAIN; WHITE, 1971 apud WASSERMAN; FAUST, 1999, p. 356), que existe quando dois atores tm exatamente os mesmos laos com todos os demais atores da rede. Estendendo tal conceito, a anlise de
clculos tanto os links (laos) recebidos, o que se refere ao conceito de autoridade, quanto os links (laos) enviados, que se refere ao conceito de hub, ou centralidade. No caso da Web se tem evidentemente um grafo direcionado. 27 Aqui se adota a idia matemtica de produto de sinais, sendo que o produto de dois sinais negativos positivo.

papis e posies em uma rede busca identificar atores com laos similares com outros atores (anlise de posio), ou sistemas de laos entre atores ou posies (anlise de papel) (WASSERMAN; FAUST, 1999, p. 351). A idia bsica aqui a de que ns com linhas similares em um grafo representam atores que tm posies e papis sociais similares. Novamente os termos devem ser usados com cuidado, utilizando-se a fundamentao matemtica especfica para cada caso, uma vez que os termos posio e papel social so geralmente usados sem tal rigor. Em outras palavras, a coeso dos grupos e a equivalncia estrutural so mtodos de se identificar as fronteiras das estruturas sociais, atravs do agrupamento (e.g. atravs do agrupamento hierrquico, do ingls hierarchical clustering (WASSERMAN; FAUST, 1999, p. 381)) baseados, respectivamente, nos laos entre os atores e na posio dos atores (ZACK, 2000, p. 3). O conceito de modelo de bloco (do ingls blockmodel) outra forma de particionar subconjuntos de atores baseados em suas posies e nos laos entre eles (WASSERMAN; FAUST, 1999, p. 395) O termo gatekeeper28, por outro lado, que utilizado para referir-se a indivduos capazes de obter informaes estratgicas obtidas alm das fronteiras da organizao (GROSSER, 1991, p. 353), baseia-se na anlise de papis e posies. Com relao abordagem estatstica para a anlise de redes, o trabalho seminal de Holland e Leinhardt (1970; 1971 apud WASSERMAN; FAUST, 1999, p. 506) baseia-se na verificao emprica, atravs de verses probabilsticas para teorias deterministas anteriores sobre redes, usando a teoria de grafos randmicos para se fazer previses sobre a estrutura da rede. Neste tipo de abordagem, a transitividade em uma trade (se A tem um lao com B e B tem um lao com C, ento A tem um lao com C) e a mutualidade de laos em uma dade (se A tem um lao com B, ento B tem um lao com A), por exemplo, no so mais assumidas como propriedades de uma relao, mas sim so feitos estudos estatsticos a fim de se obter a probabilidade de uma determinada relao ser transitiva ou mtua a partir de dados de uma rede especfica. Outro importante tipo de rede, no detalhado nesta seo, so as redes de afiliao e as redes de modos maiores que um, nas quais conjuntos diferentes de atores esto presentes. Tais redes podem ser especialmente teis no caso da Cincia da Informao, por exemplo a fim de mostrar as relaes entre pessoas e documentos.

\28 Quanto se adota a ARS necessrio definir os termos e expresses de forma objetiva, matematicamente. O objetivo aqui evitar que expresses novas causem mais dvidas do que esclarecimentos. Alguns exemplos de expresses que podem causar confuses so: gatekeeper tecnolgico, estrela de comunicao interna, estrela de comunicao externa (ALLEN, 1971; HALL; RITCHIE, 1975; TAYLOR, 1975 apud GROSSER, 1991, p. 354); pessoa de comunicao transparente (do ingls liaison person), especialista em informao, consultor interno, especialista de grupo, comunicador especial, early adopter e later adopter (MCCLURE, 1978 apud GROSSER, 1991, p. 356).

Quanto ao estudo da evoluo das redes ao longo do tempo, uma referncia abrangente encontrada em (DOREIAN; STOKMAN, 1997). O texto de Dorogovtsev e Mendes (2001) uma reviso de bibliografia sobre a evoluo dos temas de estudos e das tcnicas de anlise de redes, e no da anlise da evoluo das redes em si. Em relao aos modelos tericos de grafos que fundamentam os estudos de redes, sociais ou no, tais modelos esto relacionados com desenvolvimentos de estudos de grafos, muito importantes na Matemtica, podendo-se citar alguns exemplos: grafos randmicos (ERDS; RNYI, 1960); grafos de mundo pequeno (WATTS; STROGATZ, 1998); grafos de escala livre (BARABSI; ALBERT, 1999); alm de outros como rvores (IACOBUCCI, 1999, p. 119) e grafos completos (IACOBUCCI, 1999, p. 102). Diferentes modelos matemticos tericos correspondem a diferentes topologias de rede. A comparao estatstica entre os modelos tericos e os dados empricos de redes reais um ramos dos trabalhos sobre redes. Alm disso, muitas pesquisas buscam explicar a topologia e as caractersticas das redes a partir da anlise de subgrafos e do tamanho dos grafos, por exemplo. Em relao ao estudo da topologia da rede a partir dos subgrafos, so exemplos os estudos de padres repetitivos na rede (network motifs) e de sub-rvores de escala livre (do ingls scale-free trees) (KIM; NOH; JEONG, 2004). As sub-rvores de escala livre so geradas considerando-se como de maior peso os laos entre ns que tm maior centralidade de intermediao, sendo que tais sub-rvores tm propriedades como agrupamento semelhante ao grafo de escala livre original, sendo especialmente importante na anlise de redes complexas nas quais os laos so canais de comunicao (KIM; NOH; JEONG, 2004, p. 046126-1). Em relao ao tamanho dos grafos, existem modelos de redes sociais que prevem degradao da informao que trafega entre ns e limites para quantidade de informao manipulada por cada n, sendo que tais caractersticas relacionam-se tanto estrutura quanto ao tamanho da rede social (LPEZ; SANJUN, 2002). To ou mais importante do que as diferentes frmulas e ndices utilizados na ARS, entender as assunes feitas como base para cada formulao matemtica, alm de se manter a cincia de que existem vrios ndices diferentes associados a um mesmo conceito, como ocorre, por exemplo, com a centralidade. O clculo matemtico em si pode ser feito com apoio de softwares, que inclusive so responsveis por parte do desenvolvimento dos estudos de ARS. No entanto, dependendo da modelagem atravs de grafo adotada para uma determinada rede social, e tambm do problema que motivou a pesquisa, diferentes formulaes podem ser mais ou menos adequadas. Alm disso, novas formulaes matemticas podem ser necessrias.

Em resumo, o objetivo desta seo foi tanto apresentar as formulaes matemticas subjacentes

ARS, quanto mostrar que as mesmas no so to complexas, destacando suas especificidades. Tais comentrios podem ser generalizados para outros ndices e anlises que no so considerados aqui, sempre buscando o rigor matemtico e a modelagem adequada para o problema real em estudo atravs da ARS.

10 CONCLUSES
Este artigo apresentou a metodologia, definies e a notao oriunda da ARS e mostrou como a ARS pode ser aplicada no mbito de diferentes reas do conhecimento. Tambm mostrou como os mtodos de anlise de rede AR em geral, e de Anlise de Redes Sociais ARS , em particular, utilizam uma fundamentao matemtica comum, atravs de grafos. As redes sociais e no sociais diferem principalmente com relao coleta de dados. No entanto, apesar da coleta e dos volumes de dados envolvidos, bem como das concluses, estarem intimamente associados a cada rea de pesquisa, os mtodos de anlise matemtica aplicados podem ser os mesmos. Assim, diferentes nomenclaturas e conceitos podem basear-se em anlises numricas iguais ou similares, o que enfatiza a importncia da existncia de definies matemticas subjacentes a um determinado termo. Isto evita que problemas de nomenclatura levem a problemas de anlise. Assim, a AR e a ARS oferecem poderosos mtodos de pesquisa e anlise matemtica para diversas reas do conhecimento. O uso de mtodos de anlise de rede, por outro lado, no impede ou limita a aplicao de tcnicas tradicionais de anlise de atributos ou ainda de tcnicas de pesquisa qualitativa. Mtodos quantitativos e qualitativos podem ser aplicados em conjunto a fim de sustentar a pesquisa. Especialmente nas cincias sociais, o uso de mtodos de anlise numrica no deve impedir que anlises mais profundas sejam realizadas. Tomando as redes de escala livre como exemplo, considerando o modelo de Babarsi e Albert (1999), no basta apenas identificar a presena de leis de potncia e seus parmetros, como no caso da Web e das teias de palavra (FERRER; SOL, 2001 apud DOROGOVTSEV; MENDES, 2002, p. 6). O pesquisador deve se perguntar o por qu da existncia de tais leis em cada caso. No caso das teias de palavra, uma possibilidade de pesquisa , a partir da identificao das palavras que tm mais laos, associar tais palavras a aspectos semnticos e estrutura gramatical, alm de se comparar teias de palavras oriundas de diferentes lnguas. No caso da Web, uma possibilidade de pesquisa saber como o fato dos motores de busca utilizarem o conceito como autoridade (e.g. HITS e PageRank), retornando em primeiro lugar para o usurio aquelas pginas que

tm mais links, influencia a lei de potncia da Web. Uma vez que as pessoas responsveis por projetar e desenvolver stios na Web utilizam os motores de busca para acessar e conhecer outros stios da Web , hipoteticamente, mais provvel que elas coloquem links a partir de suas pginas para aquelas pginas que elas conheceram atravs dos motores de busca, reforando a autoridade anteriormente existente.

11 BIBLIOGRAFIA
AMERICAN MATHEMATICAL SOCIETY AMS. 2000 Mathematics Subject Classification
MSC2000. Disponvel em: <http://www.ams.org/msc/>. Acesso em: <14/4/2005>.

BARABSI, Albert-Lszl; ALBERT, Rka. Emergence of scaling in random networks. Science, v. 286, p. 509-512, 1999. BARABSI, Albert-Lszl; ALBERT, Rka; JEONG, Hawoong. Scale-free characteristics of
random networks: The topology of the World Wide Web. Physica A 281, p. 69-77, 2000.

BATTISTON, Stefano; WEISBUCH, Grard; BONABEAU, Eric. Decision spread in the corporate
board network. Advance in complex systems, v. 6, n. 4, p. 631-644, 2003.

BERNERS-LEE, T.; FIELDING, R.; MASINTER, L. Request for Comment RFC 2396: Uniform
Resource Identifiers (URI): Generic Syntax. The Internet Engineering Task Force IETF / Network

Working

Group,

1998.

Disponvel

em:

<http://www.ietf.org/rfc/rfc2396.txt>.

Acesso

em:

<18/05/2004>. BERNERS-LEE, TIM. Information management: a proposal. EUROPEAN CENTER FOR NUCLEAR RESEARCH CERN, 1989. Disponvel em: <http://www.w3.org/History/1989/proposal.html>. Acesso em: <30/06/2004>. BERNERS-LEE, Tim; CAILLIAU, Robert: WorldWideWeb: Proposal for a HyperText Project. Geneva: CERN, 1990. Disponvel em: <http://www.w3.org/Proposal.html>. Acesso em: <01/06/2004>. BHARAT, Krishna; CHANG, Bay-Wey; HENZINGER, Monika; RUHL, Matthias. Who links to
whom: mining linkage between Web sites. IEEE International Conference on Data Mining (ICDM '01)

San Jose, 11-2001. BJRNEBORN, Lennart; INGWERSEN, Peter. Perspective of webometrics. Scientometrics, v. 50, n. 1, p. 65-82, 2001.

BORGATTI, S. P. and ; FOSTER, P. C.. The network paradigm in organizational research: a review
and typology. Journal of Management. 2003 29(6) 991-1013

BORGATTI, S. P.;, CROOS, R. A Relational View of Information Seeking and Learning in Social
Networks . Management Science, v. 49, n. 4, p. 432-445, 04-2003.

BORGATTI, S.P. and FOSTER, P.C.. The network paradigm in organizational research: a review
and typology. Journal of Management. 2003 29(6) 991-1013

BORGATTI, Stephen P.; EVERETT, Martin G. Models of core / periphery structures, Social networks, v. 21, p. 375-395, 1999. BORGATTI, Stephen P.; EVERETT, Martin G. Network analysis of 2-mode data. Social Networks, v. 19, p. 243-269, 1997. BORGATTI, Steve P.; EVERETT, M. G.; FREEMAN, Linton C. UCINET 6 for Windows - software
for social network analysis: Users guide. Analytic Technologies, (2002) 2005.

BRIN, Sergey; PAGE, Lawrence. The anatomy of a large-scale hypertextual Web search engine. In: Proceedings of the 7th World Wide Web Conference (WWW7), 1998. Disponvel em: <wwwdb.stanford.edu/pub/papers/google.pdf> Acessado em: <22-12-2004>. BRIN, Sergey; PAGE, Lawrence. The anatomy of a large-scale hypertextual Web search engine. In: Proceedings of the 7th World Wide Web Conference (WWW7), 1998. Disponvel em: <wwwdb.stanford.edu/pub/papers/google.pdf> Acessado em: <22-12-2004>. BRODER, A.; KUMAR, R.; MAGHOUL, F.; RAGHAVAN, P.; RAJAGOPALAN, S.; STATA, R.; TOMKINS, A.; WIENER, J. Graph structure in the web. In: Proceedings of the 9th international
World Wide Web conference on Computer networks. The International Journal of Computer and

<http://decweb.ethz.ch/WWW7/1921/com1921.htm>.

<http://decweb.ethz.ch/WWW7/1921/com1921.htm>.

Telecommunications Networking. v. 33, n. 1-6, p. 309-320, 2000. ISSN 1389-1286. BROWN, J. S.; DUGUID, P. Organizational learning and communities-of-practice: Toward a
unified view of working, learning, and innovation. Organization Science, v. 2, n. 1, p. 4057, 1991.

BROWN, J. S.; DUGUID, P. The social life of information. Cambridge: Harvard Business School Press, 2000.

BURT, Ronald S. Structural Holes - the social structure of competition. Cambridge, Massachusetts and London: Harvard University Press, 1995. BURT, Ronald S. Structural holes versus network closure as social capital. In LIN, Nan, COOK, Karen and BURT, Ronald (Eds). Social Capital - theory and research. New York : Aldine de Gruyter, 2001. BURT, Ronald S.; HOGARTH, Robin M.; MICHAUD Claude. The social capital of french and
american managers. v. 11, n. 2, p 123-147, 03/04-2000.

BURT, Ronald S.; RONCHI, Don. Measuring a large network quickly. Social Networks, v. 16, n. 2, p. 91-135, 04-1994. BUSH, Vannevar.
As we may think.

The

Atlantic

Monthly,

1945.

Disponvel

em:

<http://www.theatlantic.com/unbound/flashbks/computer/bushf.htm>. Acesso em: <05/05/2004>. CARLEIAL, Liana. Redes Industriais de Subcontratao: um enfoque de sistema nacional de
inovao, um estudo das industrias eletrnica, metalmecnica e de confeces da Regio Metropolitana de Curitiba. So Paulo: Hucitec, 2001.

CARRINGTON, Peter J.; SCOTT, John; WASSERMAN, Stanley (Eds.). Models and methods in
Social Network Analysis, Structural analysis in social the social sciences series, v. 28, Cambridge

University Press, 2005. DAVENPORT, Elisabeth; MCKIM, Geoffrey. Groupware. Annual Review of Information Science and Technology, v. 30, 1995. ISBN 1-57387-019-6. ISSN 0066-4200. DAVENPORT, T. H.; PRUSAK, L. Working knowledge. Cambridge: HBS Press, 1998. . DIXON, Nancy M. Common Knowledge - how companies thrive by sharing what they know. Harvard Business Press, 2000. DOREIAN, Patrick; STOKMAN, Frans N. Evolution of social networks. Amsterdam: Overseas Publisher Association OPA, 1997. ISBN 90-5699-538-3. (Alguns artigos do livro aparecem no The Journal of Mathematical Sociology, v. 21, n. 1-2) DOROGOVTSEV, S. N.; MENDES, J. F. F. Evolution of networks. Advances in Physics, v. 51, 1079, 2002. Disponvel em: <http://arxiv.org/abs/cond-mat/0106144>. Acesso em: <23/2/2005>.

ERDS, P., RNYI, M. On random graphs, Publication of the Mathematical Institute of the Hungarian Academy of Sciences, v. 5, p. 17-61, 1960. EVERETT, Martin; BORGATTI, Stephen P. Extending Centrality. In: (CARRINGTON; SCOTT; WASSERMAN, 2005). FAUST, Katherine; WASSERMAN, Stanley. Social Network Analysis: methods and applications. 2 ed. New York; Cambridge: Cambridge University Press, em preparao, 2005. FERREIRA, Aurlio Buarque de Holanda. Novo Aurlio sculo XXI: o dicionrio da lngua
portuguesa. 3 ed. Rio de Janeiro: Nova Fronteira, 1999. ISBN 85-209-1010-6.

FIELDING, R.; GETTYS, J.; MOGUL, J.; FRYSTYK, H.; MASINTER, L.; LEACH, P.; BERNERSLEE, T. Request for Comment RFC 2616: Hypertext Transfer Protocol -- HTTP/1.1. The Internet Engineering Task Force IETF / Network Working Group, 1999. Disponvel em: <http://www.ietf.org/rfc/rfc2396.txt>. Acesso em: <18/05/2004>. FRANA, Jnia Lessa; VASCONCELLOS, A. C.; MAGALHES, M. H. A.; BORGES, S. M.
Manual para normalizao de publicaes tcnico-cientficas. 6. ed. Belo Horizonte: UFMG, 2003.

230 p. ISBN 85-77041-357-2. FRANK, O. Sampling and estimation in large social networks. Social Networks, v. 1, n. 1, p. 91-101, 1978. FREEMAN, L. C. Centrality in social networks: I. Conceptual clarification, Social Networks, v. 1, p. 215-239, 1979. FREEMAN, Linton C. Some antecedents of social network analysis. CONNECTIONS, v. 19, n. 1, p. 39-42, 1996. FREEMAN, Linton. Visualizing Social Networks. Journal of Social Structure JOSS, v. 1, n. 1, 2000. Disponvel em: <http://www.cmu.edu/joss/content/articles/volume1/Freeman.html> <http://moreno.ss.uci.edu/freeman.pdf>. Acesso em: <12/04/2005>. GARFIELD, Eugene. New international professional society signals the maturing of scientometrics
and informetrics.

The

Scientist,

v.

9,

n.

16,

p.

11-12,

08-1995.

Disponvel em:

em: <1/4/2005>.

<http://www.the-scientist.library.upenn.edu/yr1995/august/issi_950821.html> Acesso

<http://www.garfield.library.upenn.edu/commentaries/tsv09(16)p11y19950821.pdf>.

GOMES, Maria Yda Falco Soares de Filgueiras. A produo cientfica em biblioteconomia e cincia da informao no Brasil: tendncias temticas e metodolgicas. In: V Encontro Nacional de Pesquisa
em Cincia da Informao ENANCIB, Belo Horizonte, 11-2003.

GOMEZ, Maria Nlida Gonzlez de. Metodologia de pesquisa no campo da Cincia da Informao. DataGramaZero Revista de Cincia da Informao, v.1, n.6, dez. 2000. Disponvel em <http://www.dgz.org.br/dez00/F_I_aut.htm>. Acesso em: <10/10/2003>. GOODMAN, L.A. Snowball sampling. Annals of Mathematical Statistics, v. 32, p. 148-70, 1961. GRANOVETTER, Mark S. The strength of weak ties. American Journal of Sociology, v. 78, n. 6, May 1973. GRANOVETTER, Mark. Economic Action and Social Structure: The Problem of Embeddedness. American Journal of Sociology 91:481-510, 1985. GROSSER, Kerry. Human networks in organizational information processing. Annual Review of Information Science and Technology. v. 26, p. 349-402, 1991. HAVELIWALA, Taher H.
Efficient computation of PageRank,

1999.

Disponvel em:

<http://dbpubs.stanford.edu/pub/1999-31>. Acesso em: <1/4/2005>. HOUAISS, Antnio; VILLAR, Mauro de Salles. Dicionrio Houaiss de lngua portuguesa. Rio de Janeiro: Objetiva, 2001. ISBN 85-7302-383-X. HUISMAN, Mark; VAN DUIJN, Marijtje A. J. Software for Social Network Analysis. In: (CARRINGTON; SCOTT; WASSERMAN, 2005). HUISMAN, Mark; VAN DUIJN, Marijtje A. J. Software for statistical analysis of social networks. Amsterdam: Netherlands, Proceedings of the Sixth International Conference on Logic and Methodology. August 17-20, 2004. Disponvel em: <http://ppswmm.ppsw.rug.nl/~huisman/dl/rc33paper.pdf>. Acesso em: <15/4/2005>. HUISMAN, Mark; VAN DUIJN, Marijtje A. J. StOCNET: Software for the statistical analysis of
social networks,

Connections,

v.

25,

p.

7-26,

2003.

Disponvel

em:

<http://www.sfu.ca/~insna/Connections-Web/Volume25-1/4.Huisman.pdf>. Acesso em: <15/4/2005>. IACOBUCCI, Dawn. Graphs and matrices. In: (WASSERMAN; FAUST, 1999).

INTERNATIONAL NETWORK FOR SOCIAL NETWORK ANALYSIS INSNA. Computer

Programs for Social Network Analysis. Disponvel em: <http://www.insna.org/INSNA/soft_inf.html>.

Acesso em: <14/4/2005>. INTERNET ARCHIVE IA. Internet Archive: universal access to human knowledge. Disponvel em: <http://www.archive.org/>. Acesso em: <14/4/2005>. JACKSON, Matthew O.; WATTS, Alison. The Evolution of Social and Economic Networks. Journal of Economic Theory, v. 106, p 265295, 2002. JRVELIN, Kalervo, VAKKARI, Pertti. The evolution of 1965-1985 : a content analysis of journal
articles. London: Information Processing & Management, v. 29, n. 1, p. 129-144, 1993.

KIM, Dong-Hee; NOH, Jae Dong; JEONG, Hawoong. Scale-free trees: the skeletons of complex
networks. Physical Review E, v. 70, p. 046126-1/5, 2004.

KLEINBERG, Jon M. Authoritative sources in a hyperlinked environment. IN: Proceedings of the 9th Annual ACM-SIAM Symposium on Discrete Algorithms, p. 668-677, 01-1998. KLING, Bob. What is social informatics and why does it matter? D-Lib Magazine, v. 5, n. 1, jan. 1999. ISSN 1082-9873 KOLMAN, Bernard. lgebra linear. Rio de Janeiro: Guanabara, 1987. 228 p. Ttulo original: Introductory Linear Algebra with Applications. KRACKHARDT, David. Cognitive Social Structures. Social Networks. , v. 9, p. 109-134, 1987. KRACKHARDT, David; BRASS, Daniel J. Intraorganizational networks: the micro side. p. 207-229. In: WASSERMAN, Stanley (ed.); GALASKIEWICZ, Joseph (ed.). Advances in social network
analysis: research in social and behavioral sciences. Sage Publications, 1994. ISBN 0-8039-4303-2.

KRACKHARDT, David; HANSON, Jeffrey R. Informal networks: the company behind the chart. Harvard Business Review, p. 104-111, 07/08-1993. KRETSCHMER, Hildrun. Author productivity and geodesic distance in bibliographic co-authorship
networks, and visibility on the Web. Scientometrics, v. 60, n. 3, p. 409 420, 01-2004.

LAVILLE, Christian; DIONNE, Jean. A construo do saber : manual de metodologia da pesquisa

em cincias humanas. Belo Horizonte: Editora UFMG, 1997. ISBN 2-89461-025-4.

LPEZ, Luis; MENDES, Jos F. F.; SANJUN, Miguel A. F. Hierarchical social networks and
information flow. Physica A, v. 316, p. 695-708, 2002.

LPEZ, Luis; SANJUN, Miguel A. F. Relation between structure and size in social networks. Physical Review E, v. 65, p. 036107-1/7, 2002. MACAS, Alejandro Garca. Redes sociales y "clusters" empresariales . Revista Hispana para el anlisis de redes sociais, v. 1, n. 6, 01-2002. Disponvel em <http://revista-redes.rediris.es/htmlvol1/vol1_6.htm>. Acesso em: <15/07/2004>. MAHLCK, Paula; PERSSON, Olle. Socio-bibliometric mapping of intra-departamental networks. Scientometrics, v. 49, n. 1, p. 81-91, 2000. MARCONI, Maria de A.; LAKATOS, Eva M. Metodologia de pesquisa. 3. ed. So Paulo: Atlas, 2000. 289 p. MARCONI, Marina de Andrade; LAKATOS, Eva Maria. Tcnicas de pesquisa: planejamento e
execuo de pesquisas, amostragens e tcnicas de pesquisa, elaborao, anlise e interpretao de dados. 3 ed. So Paulo: Atlas, 1996. 231 p.

MARTELETO, Regina Maria. Anlise de redes sociais aplicao nos estudos de transferncia da
informao. Braslia: Cincia da Informao, v. 30, n. 1, p. 71-81, 2001(a).

MARTELETO, Regina Maria. Confronto simblico, apropriao do conhecimento e produo de

informao nas redes de movimentos sociais DataGramaZero - Revista de Cincia da Informao -

v.2 n.1, fevereiro de 2001(b). MARTELETO, Regina Maria; SILVA, Antnio Braz de O. e. Redes e Capital Social: a importncia
da informao para o desenvolvimento local, no publicado, 2005.

MATHEUS, Renato Fabiano; SILVA, Antnio Braz de O. e. Anlise de Redes Sociais como mtodo
para a Cincia da Informao, no publicado, 2005(a).

MEGHABGHAD, George. Google's Web page ranking applied to different topological Web graph
structures. Journal of the American Society for Information Science and Technology, v. 52, n. 9, p.

736, Jul 2001. MILO, R.; SHEN-ORR, S.; ITZKOVITZ, S.; KASHTAN, N.; CHKLOVSKII, D.; ALON, U. Network
motifs: simple building blocks of complex networks. Science, v. 298, p. 824-827, 2002.

MILO, Ron; ITZKOVITZ, Shalev; KASHTAN, Nadav; LEVITT, Reuven; SHEN-ORR, Shai; AYZENSHTAT, Inbal; SHEFFER, Michal; ALON, Uri. Superfamilies of Evolved and Designed
Networks. Science. v. 303, n. 5663, p. 1538-1542, 2004.

MOLINA, Jos Luis. El organigrama informal en las organizaciones. Una aproximacin desde el anlisis de redes sociales. Revista Catalana de Sociologia, 11(2000), p. 65-86. (em catalo). (A verso em ingls, The informal organizational chart in organizations: An approach from the social network
analysis, foi publicada em CONNECTIONS v. 24, n. 1, p. 78-91)

MOLYNEUX, Robert E.; WILLIANS, Robert V. Measuring the Internet. Annual Review of Information Science and Technology, v. 34, 1999. ISBN 1-57387-093-5. ISSN 0066-4200. MUELLER, Suzana Pinheiro Machado; PECEGUEIRO, Cludia Maria Pinho de Abreu. O peridico
Cincia da Informao na dcada de 90: um retrato da rea refletido em seus artigos. Braslia:

Cincia da Informao, v.30, n.2, p.47-63, maio / ago, 2001. NELSON, Theodor Holm. As We Will Think (1972) In: NYCE, James; KAHN, Paul (eds): From
Memex to Hypertext: Vannevar Bush and the Mind's Machine. Boston: Academic Press, p. 245,

1991. ISBN: 0125232705. NELSON, Theodor Holm. Embedded markup considered harmful. World Wide Web Journal archive - Special issue on XML: principles, tools, and techniques. V. 2, n. 4, p. 129 134, 1997. ISSN:10852301. Disponvel em: <http://www.xml.com/pub/a/w3j/s3.nelson.html>. Acesso em: <29/06/2004>. (1997B). NELSON, Theodor Holm. Ted Nelson Home Page. Disponvel em: <http://ted.hyperland.com/>. Acesso em: <29/06/2004>. NELSON, Theodor Holm.
The future of information.

1997.

Disponvel

em:

<http://xanadu.com.au/ted/INFUTscans/INFUTscans.html>. Acesso em: <29/06/2004>. (1997A). NEWMAN, M. E. J.; WATTS, D. J.; STROGATZ, S. H. Random graph models of social networks. Proceedings of the National Academy of Sciences of the United States of America, v. 99, s. 1, p. 25662572, 02-2002. NEWMAN., M. E. J. From the Cover: The structure of scientific collaboration networks. Proceedings of The National Academy of Sciences of USA (PNAS), v. 98, p. 404-409, Jan 2001; 98: 404 409 . Disponvel em: <http://www.pnas.org/cgi/reprint/98/2/404>. Acesso em: <01/03/2005.>. NEWMAN., M. E. J. The structure and function of complex networks. SIAM Review, v 45, n. 2, p. 167-256, 2003.

NONAKA, I., TOYAMA, R., NAGATA, A. A firm as a knowledge-creating entity: a new perspective
of the theory of the firm. Industrial and corporate change, Vol 9, n 1, 2000.

NONAKA, I.; TAKEUCHI, H. Criao de conhecimento na empresa: como as empresas japonesas

geram a dinmica da inovao. Rio de Janeiro: Campus, 1998

NRNBERG, Peter J.; LEGGETT, John J.; SCHNEIDER, Erich R. As We Should Have Thought. In:
Hypertext97,

Southampton,

UK,

1997.

Disponvel Acesso

em: em:

<http://www.csdl.tamu.edu/~leggett/leggettpubs/conferences/ht/ht97-sc.pdf>. <01/06/2004>.

ODDONE, Nanci; GOMES, Maria Yda Falco Soares de Filgueiras. Uma nova taxonomia para a cincia da informao. In: V Encontro Nacional de Pesquisa em Cincia da Informao
ENANCIB, Belo Horizonte, 11-2003.

OLIVEIRA, Marlene de. A investigao cientfica na Cincia da Informao: anlise da pesquisa

financiada pelo CNPq. Braslia: CID/UnB, 1998. 221 p. Tese de doutorado.

OLIVEIRA, Marlene de. Caractersticas das dissertaes produzidas no Curso de Mestrado em

Cincia da Informao da UFPB. Inf.& Soc.: Est., Joo Pessoa, v.9, n.2, p.465-488, 1999.

OTTE, Evelien; ROUSSEAU, Ronald. Social network analysis: a powerful strategy, also for
information sciences. Journal of Information Science, v. 28, n. 6, p. 441-453, 2002.

PAGE, Larry; BRIN, Sergey; MOTWANI, R.; WINOGRAD, T. The PageRank Citation Ranking:
Bringing Order to the Web. Stanford Digital Library Technologies Project. 1998. Disponvel em:

<http://dbpubs.stanford.edu/pub/1999-66>. Acesso em: <1/4/2005>. PROJECT XANADU. Project Xanadu: the original hypertext project. Disponvel em: <http://xanadu.com/>. Acesso em: <28/06/2004>. PTSCH, Felix. Analysis and modeling of science collaboration networks. Advances in complex systems, v. 6, n. 4, p. 477-485, 2003. RKA, Albert; BARABSI, Albert-Lszl. Statistical mechanics of complex networks. Reviews of modern Physics, v. 74, p. 47-97, jan., 2002. RICE, Ronald E.; AYDIN, Carolyn. Attitudes toward new organizational technology: network
proximity as a mechanism for social information processing. Administrative Science Quarterly June,

v. 36, n. 2, p. 219-226., 1991.

ROCHA, Cristbal Casanueva. Relaciones estratgicas entre pymes: contraste de hiptesis

empresariales mediante ARS. Revista Hispana para el anlisis de redes sociais, v. 4, n. 4,, 06-2003.

Disponvel em: <http://revista-redes.rediris.es>. Acesso em: <15/07/2004>. ROTHENBERG, Richard B. Commentary: sampling in social networks. Connections, v. 18, n. 1, p. 104-110, 1995. SANDERS, Daniel P.
The Graph Theory White Pages.

Disponvel

em:

<http://www1.cs.columbia.edu/~sanders/graphtheory/> <http://www.graphtheory.com/resources.htm> . Acesso em: <14/4/2005>. SMITH, Kenny; BRIGHTON, Henry; KIRBY, Simon. Complex systems in language evolution: the
cultural emergence of compositional structure. Advances in complex systems, v. 6, n. 4, p. 537-558,

2003. STEPHENSON, K.; ZELEN, M. Rethinking centrality: methods and examples, Social Networks, v. 11, p. 1-37, 1989. STROGATZ, Steven H. Exploring complex networks. Nature, v. 410, p. 268-276, 03-2001. TAYLOR, R. Gregory. Models of computation and formal languages. Oxford University Press, 1998. TEGMARK, Max; WHEELER, John A. 100 anos de mistrios qunticos. Scientific American Brasil, 2002. THELWALL, Mike; WILKINSON, David. Graph structure in three national academic Webs: Power
laws with anomalies. Journal of the American Society for Information Science and Technology; v. 54,

n. 8, p. 706, 06-2003. THOMPSON, Steven K. Adaptative sampling in graphs. Proceedings of the Survey Research Methods Section, American Statistical Association, 1998. Available in: <http://www.amstat.org/sections/srms/Proceedings/papers/1998_003.pdf>. Accessed on: 3-29-2005. TOMLINSON, Ray.
The first network email.

Disponvel

em:

<http://openmap.bbn.com/~tomlinso/ray/firstemailmain.html>. Acesso em: <5/11/2004>. TOWNSEND, Michael. Discrete mathematics: applied combinatorics and graph theory. Benjamin Cummings, 1987.

TWIDALE, Michael B.; NICHOLS, David M. Computer Supported Cooperative Work in information
search and retrieval. Annual Review of Information Science and Technology, v. 33, 1998. ISBN 1-

57387-065-X. ISSN 0066-4200. VAKKARI, Pertti l. Open the horizon of expectations. In Conceptions of Library and Information Science Historical, empirical and theoretical perspectives. Edited By Pertti Vakkari and Blaise Cronin. Proceedings of the International Conference held for the celebration of 20th Anniversary of the Department of Information Studies, University of Tampere, Finland, 26-28 August 1991. Published by Taylor Graham, London. VAZQUEZ, A.; DOBRIN, R.; SERGI, D.; ECKMANN, J. P.; OLTVAI, Z.N.; BARABASI, A.L. The
topological relationship between the large-scale attributes and local interaction patterns of complex networks. Proceedings of the National Academy of Sciences PNAS, v. 101, n. 52, p. 17940-17945,

2004. WASSERMAN, Stanley.

Curriculum Vitae.

Disponvel

em:

<http://www.indiana.edu/~appstat/wassermancv.pdf>. Acesso em: <18/4/2005>. WASSERMAN, Stanley; FAUST, Katherine. Social Network Analysis: methods and applications. Cambridge University Press. Structural analysis in social the social sciences series, v. 8, (1994) 1999. 857 p. ISBN 0-521-38707-8. WATTS, Duncan J. Small Worlds: the dynamics of networks between order and randonmness. Princeton, New Jersey: Princeton University Press, 1999. WATTS, Duncan J. The "new" science of networks. Annual Review of Sociology, v. 30, p. 243-270, 2004. WATTS, Duncan J.; STROGATZ, Steven H. Collective dynamics of 'small-world' networks. Nature, v. 393, p. 440-442, 06-1998. WELLMAN, Barry. A computer network is a social network. ACM SIGGROUP Bulletin, v. 19, n. 3, 12-1998. WELLMAN, Barry. Computer networks as social networks. Science, v. 293, p. 2031-2034, 09-2001. WELLMAN, Barry; SALAFF, Janet; DIMITROVA, Dimitrina; GARTON, Laura; GULIA, Milena; HAYTHORNTHWAITE, Caroline. Computer networks as social networks: collaborative work,
telework, and virtual community. Palo Alto: Annual Review of Sociology, v. 22, p. 213-238, 1996.

WHITE, Howard D., WELLMAN, Barry, NAZER, Nancy. Does citation reflect social structure?
Longitudinal evidence from the "Globenet" interdisciplinary research group. Journal of the

American Society for information Science and Technology; v. 55, n. 2, p. 111-126, 2004. WILSON, Concepcin S. Informatrics. Annual Review of Information Science and Technology, v. 34, 1999. ISBN 1-57387-093-5. ISSN 0066-4200. WORLD WIDE WEB CONSORTIUM W3C. Tim Berners-Lee. Disponvel em:

<http://www.w3.org/People/Berners-Lee/>. Acesso em: <30/06/2004>. YOSHIKANE, Fuyuki, KAGEURA, Kyo. Comparative analysis of coauthorship networks of
different domains: The growth and change of networks. Scientometrics, v. 60, n. 3, p. 435 446, 01-

2004. YOUNG, H. Peyton. Individual strategy and social structure: an evolutionary theory of institutions. Princeton; New Jersey: Princeton University Press, 1998. ISBN 0-691-02684-X. ZACK, Michael H. Researching organizational systems using social network analysis. In: Proceedings
of the 33rd Hawaii International Conference on System Sciences, IEEE, 2000.

ZHENG, Dafang; ERGN, Gler. Coupled growing networks. Advances in complex systems, v. 6, n. 4, p. 507-514, 2003. ZIVIANI, Nivio. Projeto de algoritmos. 2 ed. So Paulo: Pioneira Thomson Learning, 2004. ISBN 85-221-0390-9.BARABSI, Albert-Lszl; ALBERT, Rka. Emergence of scaling in random
networks. Science, v. 286, p. 509-512, 1999.