etiquetando la sociedad a través de la web y rastreando grandes conjuntos de datos para usos...

11

Etiquetando la sociedad a través de la web y rastreando grandes conjuntos de datos para

usos sociales: Método e implicaciones en la red de la globalización de la agricultura

JUAN DIEGO BORRERO, [email protected]

ESTRELLA GUALDA, [email protected]

Universidad de Huelva

VI Congreso Andaluz de Sociología - Cádiz, 30 de noviembre 2012

22

Tabla de contenidos

1. Introducción y objetivos

2. Perspectiva teórica– Globalización de la

agricultura– Etiquetando la Sociedad a

través de la Web 2.0

3. Métodos y técnicas para la recuperación de la información– Procedimiento de

recolección de datos

4. Resultados– Centralización– Cohesión y subestructuras:

Autoridad– Etiquetas para recomendar

y compartir Webs

5. Discusión, conclusiones, e investigaciones futuras

33

1. Introducción y objetivosDesafíos

¡La era de los grandes conjuntos de datos y de la Web Social ha llegado!

p.e., Twitter, Facebook, Tumbrl, Delicious, Youtube, Flickr, Wikipedia…

1. ¿Van a transformar la forma en que estudiamos los fenómenos de comunicación y las relaciones sociales?

2. ¿Van a cambiar el modo de hacer "investigación“ en las ciencias sociales?

Debido a ello, es crucial comenzar a preguntarse sobre los supuestos analíticos, los marcos metodológicos y los sesgos implícitos en el fenómeno de los grandes datos y su implicación para la investigación en las ciencias sociales.

44

1.El acceso a grandes conjuntos de datos no es tan importante por su tamaño, sino por su relación con otros datos. Estos datos conforman una red (de datos, de personas).

2.La Web Social maneja grandes datos y goza de un alto interés en la academia así como una alta popularidad.

1. Introducción y objetivosLa importancia de la Web Social

55

1. Introducción y objetivosSistemas de etiquetado social

Muchos usuarios incorporan metadatos en forma de

ETIQUETAS

Que dan como resultado una estructura de etiquetas

colectiva

Fuente: http://www.idonato.com/2009/05/27/fun-with-tag-clouds/

Fuente: http://blog.hubspot.com/blog/tabid/6307/bid/7372/9-Reasons-Why-Your-Social-Media-Strategy-Isn-t-Working.aspx/

Fuente: http://bvdt.tuxic.nl/index.php/the-wisdom-of-the-crowds-in-the-audiovisual-archive-domain/

Las nuevas tecnologías han hecho posible para la sociedad, compartir e interactuar colaborativamente.

66

1. Introducción y objetivosNuestros objetivos

1. Usar grandes conjuntos de datos provenientes de la Web 2.0, concretamente de Delicious, para descubrir cómo se estructura el tema “globalización de la agricultura”.

2. Mediante el análisis de redes sociales, conocer1. qué Webs han sido recomendadas a través del

etiquetado social, qué tipos de usuarios son centrales en la red, y qué tipo de estructura y subestructuras conforman la red estudiada;

2. qué clases de etiquetas se están usando para marcar las Webs y cómo se estructuran.

77

2. Perspectiva teóricaWeb 2.0… y etiquetado colaborativoWeb 2.0 es la revolución de los negocios en la industria de la computación, originada por el paso hacia internet como plataforma (O’Reilly, 2007)

Etiquetado social o colaborativo es la actividad en la Web 2.0 consistente en etiquetar recursos digitales mediante palabras clave - tags (Golder y Huberman, 2006; Trant, 2009).

Fuente: http://www.laurenwood.org/anyway/2007/11/web-20-buzzwords/

Un sistema de etiquetado social está compuesto principalmente por tres elementos interrelacionados

usuarios, etiquetas y recursos(Smith, 2008)

Páginas webs, fotos, videos,

posts…

Puede haber un cuarto elemento: Momento/ tiempo en el que se hace la anotación

88

2. Perspectiva teórica… etiquetado colaborativo y folksonomía

Los sistemas de etiquetado social agregan las etiquetas de todos los usuarios, resultando una indexación social o clasificación colaborativa denominada folksonomy o clasificación popular (Vander Wal, 2004) Sinónimos global warming = climate change

Variaciones globalization = globalisation poor=poors

problemasFuente: http://scot-project.net//

http://scot-project.net/






99

2. Perspectiva teórica… folksonomía y conocimiento colectivo

En un proceso de abajo hacia arriba… …las etiquetas de numerosos y diferentes usuarios son agregadas resultando una estructura de etiquetas colaborativa – como una nube de etiquetas – que representaría el conocimiento colectivo de los usuarios de la Web (Cress et al., 2012)

Fuente: http://blog.cimmyt.org/?p=6052

Fuente: http://scot-project.net//







1010

2. Perspectiva teóricaEtiquetado y redes sociales

Un tipo particular de red es la red bipartita, cuyos nodos representan dos conjuntos –p.e. usuarios y etiquetas.

Una red de opinión (Maslov and Zhang, 2001; Blattner et al., 2007), es una red en la que los usuarios se conectan con los objetos que ellos producen o recogen.

La estructura de los sitios de etiquetado social puede ser vista como una red con tres tipos diferentes de nodos: los U usuarios, los R recursos (páginas webs) y los T (tags, etiquetas) que los U usuarios usan para etiquetar sus R páginas web favoritas.

Fuente: Autores

Figura 1. Red bipartita compuesta por tres usuarios U=(u,u’,u’’), tres etiquetas T=(t,t’,t’’) y dos clases de vínculos: entre usuarios RU (línea continua), y entre usuarios y etiquetas RT (línea discontinua).

1111

2. Globalización de la agriculturaGlobalización

implica la ampliación del mercado como resultado de la reducción de los costes de transacción del comercio internacional

Globalización de la agricultura- comercio (de alimentos, inputs)

- precios (de los alimentos, inputs)- consumo alimentos (productos básicos vs elaborados)

- investigación- políticas (subsidios, WTO, relacionadas con la reducción del hambre y la pobreza)

implicaciones para

Asimetrías

efectos

espacio de discusión/ difusión (Web 2.0)

1212

3. Metodología• Datos tomados de: Delicious – www.delicious.com –. • Delicious = sistema de marcadores sociales cuyo

– Contenido es creado, anotado y visto por sus usuarios. – Sistema de clasificación no jerárquico: los usuarios pueden

etiquetar cada marcador en la página web de Delicious, y dar información sobre la web que se marca

– Naturaleza colectiva: • Ver los marcadores añadidos y anotados por otros usuarios • Organizar las etiquetas existentes en grupos

• Nos concentramos en la co-occurrencia de usuarios, recursos y etiquetas (usuario, recurso, etiqueta).

Conjunto de datos recogido: U (usuarios)= {u1; u2; : : : ; uK},

R (recursos: webs) = {r1; r2; : : ; rM}, y T (etiquetas) = {t1; t2; : : ; tN}

Tiempo: en ulteriores explotaciones

http://www.delicious.com/

1313

3. MetodologíaEtiquetado en DeliciousLas personas pueden producir y clasificar la gran cantidad de

información que tienen a su disposición mediante tags.Keywords elegidas libremente por los usuarios y empleadas para dar significado a diversos contenidos digitales, como websites, fotos, videos, posts…

Source: www.delicious.com

Delicious es una herramienta Web 2.0 gratuita, denominada sitio de marcadores sociales donde se puede guardar, compartir y descubrir favoritos de internet

1414

3. MetodologíaProceso para recuperar los datos

(A) Punto de arranque. Identificar los atributos de búsqueda. Mediante una combinación de técnicas de búsqueda (Rogers y Zelman, 2002). Fuente de autoridad como base para encontrar las palabras clave conectadas a la idea de ‘globalización de la agricultura’

– Wikipedia: definición de los “críticos de la globalización” (web popular, de alta reputación)

– Otros puntos de partida (futuro)– Conceptos principales seleccionados de las webs, nubes

de etiquetas o temas (manualmente= experiencia del investigador)

– Se identificaron 9 keywords para que sirvieran de semillas de búsqueda (globalization + agriculture, development, activism, trade, poverty, food, organic, GMO)

– No se tienen en cuenta otros conceptos(B) La muestra de usuarios, webs y etiquetas se reunió con un programa hecho con Perl para explorar webs (web-crawling)

- Para globalization+agriculture;globalization+development; globalization+activism; globalization+poverty; globalization+food; globalization+organic; globalization+GMO

- 22 de abril de 2011 a 21 de mayo de 2011 (mes completo)

- Resultados: 61.043 registros etiquetados, 3.668 usuarios, 4.913 webs y 5.724 etiquetas

(C) Programa en Haskell para reducir la cantidad de datos cortando las webs y usando palabras claves, incluyendo la identificación de sinónimos, la eliminación de palabras con mayúsculas y palabras derivadas como las que van en plural.

(D) Conjunto de datos para el análisis

Tabla 1. Procedimiento para la recuperación de datos

Fuente: Autores.

(A) 26 sitios de wikipedia

(B) 9 keywords

(C) 61,043 taggings

3.668 usuarios; 4.913 webs; 5.724 etiquetas

(D) 60,722 taggings

3.668 usuarios; 2.148 webs; 4.776 etiquetas

extracción manual

Filtrado y acortado (manualmente y programa en Haskell)

web-crawling (programa en Perl)

1515

3. MetodologíaEjemplo: conjunto de datos final

2.148 webs 4.776 etiquetas 3.668 usuariosFuente: Autores.

1616

4. RESULTADOSTabla 2. Principales etiquetas de las palabras clave usadas en el tema “Globalización de la agricultura”

Fuente: Autores.

Atributos de búsqueda usados

Nº de etiquetas resultante

s (I+II)

Principales etiquetas: 5 etiquetas más frecuentes

Globalization (I) + development (II)

10.684 economics (916), politics (503), business (245), poverty (232), international (203)

Globalization (I) + activism (II)

13.296 politics (1.203), economics (695), news (381), environment (367), research (290)

Globalization (I) + trade (II) 8.378 economics (888), politics (343), china (311), business (144), free (141)

Globalization (I) + poverty (II) 4.956 economics (422), politics (216), development (140), world (84), inequality (80)

Globalization (I) + food (II) 3.547 economics (251), environment (123), sustainability (84), politics (81), culture (67)

Globalization (I) + agriculture (II)

3.481 food (268), economics (238), environment (147), politics (123), trade (83)

Globalization (I) + organic (II) 62 fairtrade (5), business (3), activism, economics, environment, politics, sustainability, trade (2)

Globalization (I) + GMO (II) 198 food (13), agriculture (12), politics (6), environment, sustainability, health (5)

1717

Grado de entrada (indegree) Grado de salida (outdegree)

1 1203 http://www.nytimes.com/ 433 /mritiunjoy

2 674 http://news.bbc.co.uk/ 195 /laura208

3 365 http://www.guardian.co.uk/ 127 /rd108

4 186 http://www.washingtonpost.com/ 112 /amaah

5 158 http://www.ft.com/ 111 /thepouncer

6 154 http://www.reason.com/ 100 /anilius

7 147 http://www.thenation.com/ 100 /emmarlyb

8 137 http://www.spiegel.de/ 87 /adorngeography

9 136 http://www.foodfirst.org/ 86 /pagolnari

10 130 http://www.economist.com/ 85 /freemanlcFuente: Autores.

4. RESULTADOSTabla 3. Principales páginas web en la red de hipervínculos (usuarioweb)

http://www.nytimes.com/




http://news.bbc.co.uk/




http://www.guardian.co.uk/




http://www.washingtonpost.com/




http://www.ft.com/

http://www.ft.com/

http://www.ft.com/

http://www.ft.com/

http://www.reason.com/




http://www.thenation.com/




18

Redes Tipo Relación Nº de nodos

Nº de enlaces

Densidad Grado medio

Usuario Web

Bipartita Dirigida 5.816 7.200 0,09% 2.476

Usuario - Usuario

Unipartita No dirigida 3.668 134.833 1,97% 73.5187

Web - Web Unipartita No dirigida 2.148 20.558 0,84% 19.141

Etiqueta -Etiqueta

Unipartita No dirigida 4.776 539.105 47,06% 225.756

Fuente: Autores.

Red bipartita con una relación dirigida = Se crea a través de dos tipos diferentes de nodos (ej. usuarios y webs) que están directamente conectados por una relación (usuario recomienda Webs, o usuario etiqueta Webs) (red 2-mode).

Red unipartita con una relación no dirigida = Es una red que se crea después de la transformación de la matriz original en una matriz usuario-usuario, etiqueta-etiqueta, o web-web. En estos casos hay una relación no directa a través de un nodo que los conecta (red 1-mode).Por ejemplo, una matriz usuario-usuario es creada a través de las webs que conectan a losusuarios porque gente diferente puede etiquetar o recomendar la misma web.

4. RESULTADOSTabla 4. Descripción de las redes y subredes y principales datos estadísticos

1919

¿qué hace que algunos sitios/usuarios estén mucho mejor conectados que la mayoría?

Se observa un alto grado de centralización de la red. Esta es una propiedad característica de las redes a gran escala, como la web.

Nuestra red cumple con la propiedad de las redes libres de escala (o de cola larga), donde una minoría de los nodos concentra la mayoría de los

enlaces (Barabási and Albert, 1999)

Fuente: Autores.

Webs ordenadas según los lazos entrantes Usuarios ordenados según los lazos salientes

4. RESULTADOSFigura 2. Centralización de la red. 2.148 webs ordenadas según los lazos entrantes y 3.668 usuarios ordenados por el número de lazos salientes

20

Grado de entrada - Indegree Grado de salida - Outdegree

Valor Web Descripción Valor Usuario Descripción

1 259 www.nytimes.comPeriódico on line 71 /garrygolden

http://www.garrygolden.net/Professional futurist

2 170 www.independent.co.ukPeriódico on line 51 /mritiunjoy

Mritiunjoy MohantyProfessor, Economics Indian Institute of Management Calcutta

3 155 www.naomiklein.orgSitio web activista 44 /emmarlyb

4 144 www.news.bbc.co.uk/Periódico on line 42 /woldpublicopinion

http://www.worldpublicopinion.org/Activist media site

5 124 www.globalresearch.caSitio web activista 33 /criticalspatialpractice

Nicholas BrownArtist

6 95 www.spiegel.de/Periódico on line 30 /pagolnari

Dr. Kathy Ward pagol NariProfessor, Carbondale, EEUUFeminist bloggerhttp://pagolnari.blogspot.com.es/

7 94 www.guardian.co.uk/Periódico on line 28 /bfunk

Bryan Finokihttp://subtopia.blogspot.com.es/Author Subtopia (Blog), Senior Editor, Archinect, and Adjunct, Woodbury University School of Architecture, San Diego

8 94 www.economist.com/Periódico on line 28 /chris.h.p

9 87 www.corpwatch.org Sitio web activista 27 /maitreya11 Carlos Puentes

10 172 www.theatlantic.com Revista on line 24 /matttbastardMatthew Elliothttp://bastardlogic.wordpress.com/

Predominio de periódicos on-line, y sitios de activistas

4. RESULTADOSTabla 5. Centralización de la red. Webs y usuarios más centrales

Fuente: Autores.

21

Núcleos de grado K=1..5

(subred)

Nº de Nodos Porcentaje(%)

Frecuencia acumulada(nº nodos)

Frecuencia acumulada

(%)

1 4.445 76,43% 4.445 76,43%

2 792 13,62% 5.237 90,04%

3 387 6,65% 5.624 96,70%

4 147 2,53% 5.771 99,23%

5 45 0,77% 5.816 100,00%

Suma 5.816 100,00%Fuente: Autores.

k-core: Un núcleo de grado k es una subred en la que cada nodo tiene grado k en esa subred, o sea es la máxima red en la cual todos los nodos son adyacentes al menos otros k nodos, a diferencia de los cliques donde todos los pares de puntos están conectados directamente a través de al menos un enlace.

En las redes libre escala, como la nuestra, el núcleo con el grado más alto (grado 5) es el núcleo central de la red, detectando el conjunto de nodos de la red (45 nodos) que componen ese núcleo y su posición.

4. RESULTADOSTabla 6. Cohesión y subestructuras. Red de la globalización de la agricultura (K-cores, núcleos de grado K)

22Fuente: Autores a partir de datos de Delicious.

4. RESULTADOSFigura 3. Red UsuariosWebs. 5.816 nodos. Color. NúcleosRepresentación Energy-Frutcherman (Pajek)

23

4. RESULTADOSFigura 4. Red UsuariosWebs (Núcleos 2 a 5) 1.371 nodos. Color. NúcleosRepresentación Energy-Frutcherman (Pajek)

Fuente: Autores a partir de datos de Delicious.

24

Gráfico 5. Red UsuarioWeb (2-core, 792 nodos)Representación Kamada-Kawai




Fuente: Autores a partir de datos de Delicious.

25

Conglomerado nº

Nº de Nodos

Porcentaje(%)

Densidad (%)

Grado medio

294 90 1,88% 97,75% 165.22

344 168 3,52% 100,00% 692.00

692 691 14,47%

Fuente: Autores, a partir de datos de Delicious.

4. RESULTADOSEtiquetado, recomendando y compartiendo Webs Tabla 7. Etiquetas en la red de la globalización de la agricultura (K-cores, núcleos)

Selección de los 3 conglomerados más importantes

Red unipartita de etiquetas, conectadas entre sí porque se han usado para etiquetar las mismas webs

26

Gráfico 9. Nube de etiquetas para la Red de Globalización de la Agricultura identificada en

Delicious (Principales etiquetas de la red)

temas principales

4. RESULTADOSFigura 9. TagCloud. Red ”globalization of agriculture”50 etiquetas. Tamaño según grado de centralidad

27

Más importancia a asuntos políticos y activismo relacionado con la globalización

4. RESULTADOSFigura 10. TagCloud. Red ”globalization of agriculture”Red userweb. Núcleo 294 (90 etiquetas de 4.476)

Representación de 50 etiquetas. Tamaño según grado de centralidad

28



Menor prominencia de temas políticos y activistas, aunque se repiten asuntos, pero se gira hacia aspectos económicos y algunos países menos desarrollados

29



Prevalencia de cuestiones socioeconómicas, sociológicas, tecnológicas orientadas hacia aspectos como la energía, seguridad, comida y aspectos medioambientales

*

30

5. Discusión, conclusiones e investigaciones futurasDiscusión

• Campo de gran interés para la Sociología, que obliga en cierta medida a trabajar interdisciplinarmente

• Hemos encontrado algún tipo de estructuración en la red de la agricultura

• Se identifican subgrupos al recomendar webs y etiquetarlas en torno a la globalización de la agricultura:– Periódicos (sesgo americano, anglosajón: Delicious)– Activismo

• Constitución “desde abajo” al etiquetar colaborativamente• ¿Qué empieza primero: micro-macro, acción-estructura?• Pensar y re-pensar en términos teóricos

– Teoría de la estructuración, estructura y agencia (Giddens, 1984)– Habitus (Bourdieu, 1984)– Relación dialéctica entre estructura y agencia (Berger y Luckman, 1966)– La “bañera” de Coleman (1990)– La colonización del mundo de la vida (Habermas, 1984)– Paradigma sociológico integrado (Ritzer, 2000)– etc

31

• Sociedades actuales estructuradas por las redes sociales, basadas en tecnologías de la microelectrónica (Castells,1996)

• ¿Se pueden trasladar estas preguntas clásicas a la comprensión de la sociedad que está viviendo alrededor de la Web 2.0 a través del etiquetado colaborativo?

• ¿Emergencia de comunidades? En nuestro caso tras la práctica de recomendar y compartir Webs vía Delicious, pero hay otros escenarios de comunidades virtuales en la Web 2.0

Hemos encontrado:• Un proceso colaborativo muy importante bottom-up • Pero desde arriba están elementos macro como la tecnología o el

lenguaje, e incluso cierta limitación cuando la propia web propone etiquetas, aparte de otras vías de estructuración que proporciona la web semántica

• Aunque es el usuario el que finalmente recomienda webs y las etiqueta.• En la red de la globalización de la agricultura intuimos que parecen

mezclarse estos procesos top-down, como ocurre en otras esferas sociales

5. Discusión, conclusiones e investigaciones futurasDiscusión

32

Distribución muy desigual del poder de las webs citadas por los usuarios, y también etiquetas usadas para describir las webs en el sistema de marcadores de Delicious fueron mayoritariamente concrentrados alrededor de algunas de las principales temáticas.

Etiquetas y páginas webs se encuentran estructuradas en subgrupos. Algunos vacíos informativos respecto a los usuarios

Red con centralización y segmentación en Delicious:- Actores muy prominentes en ella (especialmente medios de

comunicación y activistas, no sólo: universidades)- Importancia potencial en el proceso de difusión de noticias,

eventos, agenda, trending topics, ideología, cultura, y etcétera. - La identificación y profundización en la influencia de los actores

clave: mejor comprensión de fenómenos de liderazgo, procesos de influencia o estructuras de poder.

- Buena vía para identificar informantes clave (intervención social).

5. Discusión, conclusiones e investigaciones futurasConclusiones

33

Futuro:- Estudio de esta red a través del tiempo, y el rol de los actores más

poderosos con el tiempo (configuración y reconfiguración de la red). y las webs más referenciadas

- Comparación con otros sistemas de marcadores sociales - Profundizar en el conocimiento de las webs más recomendadas y

los usuarios y etiquetas más importantes alrededor de la red de la globalización de la agricultura a nivel internacional

Comentarios para terminar:• Estamos en los comienzos de examinar grandes conjuntos de

datos extraídos de la Web 2.0• Largo camino desde aquí.• Camino interdisciplinar parece más productivo, como viene siendo

en los últimos años en el campo del ARS – Análisis de Redes Sociales

5. Discusión, conclusiones e investigaciones futurasInvestigaciones futuras

3434

Etiquetando la sociedad a través de la web y rastreando grandes conjuntos de datos para

usos sociales: Método e implicaciones en la red de la globalización de la agricultura

JUAN DIEGO BORRERO, [email protected]

ESTRELLA GUALDA, [email protected]

Universidad de Huelva

VI Congreso Andaluz de Sociología - Cádiz, 30 de diciembre 2012

35

Anexos

3636

Procedimiento de análisis: ARSAnálisis de redes

• Centralidad: identificación de los nodos que son más centrales que otros. Propiedad de la red = idea del poder social del nodo basado en cómo se conecte a la red.

• Grado de un nodo = Número de conexiones individuales directas que tiene con otros en el grupoGrados elevado = Ejerce influencia (o autoridad).

In-degree = número de lazos entrantes que reflejan la popularidad de una web. Como resultado, los miembros de la red bien conectados, prominentes son líderes de opinión (esos con un alto grado de centralidad).

Out-degree = número de lazos salientes que determiman si un usuario particular es un participante activo o pasivo dentro de la red.

Software Pajek (para grandes series de datos)

37

RESULTADOSTabla 1. Meta-palabras clave usadas en Delicious

respecto a la “Globalización de la Agricultura”

Aspectos Palabras clave

Socioeconómicos globalization: 8,082; development: 2,344; activism: 2,118; trade: 2,066; poverty: 1,434

Agrarios globalization: 8,082; food: 1,220; agriculture: 642; organic: 54; GMO: 29

(*) El número corresponde a la frecuencia de ocurrencia (22 de abril a 21 de mayo de 2011).Fuente: Autores.

Presencia diferente en Delicious, algunas de ellas arrojan más resultados

etiquetando la sociedad a través de la web y rastreando grandes conjuntos de datos para usos...

Documents