Inicio > Uncategorized > Visualizing Complexity in Networks

Visualizing Complexity in Networks

La presentación de la información se ha convertido cada vez más importante, tal como el acceso a grandes cantidades de datos ha aumentado y la capacidad de analizar los datos ha mejorado. Se necesita más trabajo para refinar los métodos de transmisión de información que den sentido a la cantidad de información que los usuarios poseen. En el campo de la informática, se ha visto un incremento en el interés de la visualización de la información en general, y dentro del área de análisis de redes sociales, han surgido nuevos enfoques para la visualización de datos relacionales.

Los intereses de estas dos comunidades están convergiendo, los informáticos están cada vez más conscientes de la importancia de la interacción de los agentes y los analistas de redes sociales hacen, cada vez más, un uso más complejo de la información y utilizan mejor los recursos computacionales disponibles para estudiar redes dinámicas y multi relacionales compuesta por muchos actores. La complejidad se representa según el número de actores y el aumento de las relaciones modeladas, y la interacción entre el tamaño de la red, la densidad y el cambio en el tiempo.

 La aproximación mejor considerada para la representación de los datos de red, es aquella que utiliza dos dimensiones para una muestra. Este enfoque, utiliza el posicionamiento espacial de los nodos, las características de los nodos (color, forma, tamaño) y las características de los bordes, como la textura y color, lo que nos dará la mayor cantidad de información posible en un solo gráfico. Si bien sabemos de la importancia de la posición de los nodos y de sus características para la entrega de información mediante los gráficos, vemos que existen límites de cantidad de información que se puede mostrar en un gráfico de dos dimensiones.

Los tres factores principales de complejidad de una red, son los datos que describen redes longitudinales y multi-relacionales  y datos que describen redes compuestas por muchos actores con conexiones densas.

 En este trabajo, se discuten enfoques  utilizando KrackPlot para hacerle frente a la complejidad resultante de los cambios en el tiempo, de las relaciones y  de las redes a gran escala. Si bien, hay aspectos sobre la complejidad de las redes que se pueden representar mediante un gráfico de dos dimensiones, otros requieren de una nueva técnica de representación. Por ejemplo, este mecanismo es muy útil para transmitir información acerca de los cambios en las relaciones de las redes, sobre todo cuando el usuario necesita representar un cambio en el tiempo o un cambio en las redes. La utilidad de este mecanismo está limitada al tamaño y densidad de la gráfica, la naturaleza del cambio que se produce y de los medios de comunicación que se utilizan para la publicación de la información.

 Complejidad Producida por un cambio en la red

 El movimiento, es una herramienta obvia para mostrar información acerca de los cambios en las redes a través del tiempo, con la advertencia que el haber ocupado de forma incorrecta el movimiento, podría haber un fenómeno subyacente que permanece oculto. Se han hecho estudios que sugieren que las personas que pueden utilizar el movimiento para observar los cambios en los gráficos perciben los cambios con mayor rapidez que aquellos que sólo son capaces de cambiar las representaciones gráficas para ambos períodos de tiempo. Además, hemos demostrado que el movimiento es particularmente útil cuando es usado en conjunción con las técnicas de diseño de gráficos que le asignan un significado a la posición de los nodos en el plano cartesiano. En este caso, el aumento del movimiento, expresado a través de representaciones gráficas, destaca los cambios en el tiempo  o cambios en las relaciones. Como era de esperar, encontramos que el movimiento, es una medida eficiente de comunicación cuando hay algún cambio en la red. En respuesta a estos resultados, hemos implementado un mecanismo para mostrar el cambio a través de dos gráficas: KrackPlot

 Complejidad producida por el tamaño de la red

Otro recurso que promueve la complejidad es el tamaño de la red y la densidad. La redes muy largas, son difíciles de representar y visualizar, debido a su tamaño y cantidad de información disponible. Del mismo modo, las redes densas, contienen una gran cantidad de datos relacionales que son difíciles de visualizar.

Existen varias estrategias que los usuarios puedan utilizar para visualizar y representar las grandes redes de una manera significativa, el mejor enfoque para visualizar una larga serie de datos a menudo debe depender de las características de la red (por ejemplo, densidad) y la naturaleza de la información a extraer del gráfico.

Hay tres enfoques, que resultan útiles, 1) Visualizar subconjuntos de un gráfico grande, 2) dividir un gran gráfico y visualizar las relaciones entres las divisiones y 3) Explorar la estructura de forma interactiva ajustando la función de energía para hacerle frente a las características  de la red que se muestra.

  1. 1.      Visualizar subconjuntos de un gráfico grande:

Este enfoque, limita la información que se muestra sobre la red. Los usuarios podrían optar por representar una serie de subgrupos del gráfico para lograr comunicar la información sobre la red en general.

  1. 2.      Dividir un gran gráfico y visualizar las relaciones entre las divisiones:

Esto permite al usuario traducir redes complejas en redes simples. Una vez que se le han asignado funciones a los nodos, el usuario les puede asignar un posicionamiento espacial a éstos. Cualquier conexión entre las funciones son estructuralmente equivalentes, representado como bordes entre las funciones. Del mismo modo, las conexiones que existen dentro de los nodos estructuralmente equivalentes se representan como flechas que van de un nodo a otro volviendo hacia la misma posición (ßà) .

  1. 3.      Usar diseño automático para centrarse en una estructura general a continuación, subestructuras

Los usuarios pueden explorar interactivamente dentro de grandes estructuras mediante un programa computacional mediante el correcto diseño de la función. Cuando la red se ve representada mediante una forma que no logra transmitir suficiente información, se utiliza una rutina de optimización que maximiza ciertas características del diseño del gráfico. Una vez hecho esto, se reevalúa.

 Podemos concluir, que la cantidad de información, su complejidad, y las características más destacadas que se van a distinguir en la imagen, afectan la elección de métodos para la visualización de estos datos.

Anuncios
  1. Aún no hay comentarios.
  1. No trackbacks yet.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s

A %d blogueros les gusta esto: