Usar análisis de centralidad

Las métricas de centralidad ayudan a identificar los nodos más críticos o influyentes de una red. Entre sus aplicaciones se encuentran la búsqueda de la persona más conectada en una plataforma de redes sociales, qué parte de la infraestructura crítica ofrece el mayor impacto en una red si se degrada y ayudar a identificar eventos de superpropagación relacionados con enfermedades y el seguimiento de contactos.

Una vez que tenga un gráfico de vínculos con al menos un conjunto de nodos y un conjunto de vínculos con conexión a sus nodos, siga estos pasos para realizar un análisis de centralidad:

  1. Haga clic en Análisis de vínculos Análisis de vínculos en la pestaña Gráfico de vínculos para abrir la ventana de herramientas de análisis.

    Para minimizar la ventana, haga clic en la flecha de la parte superior izquierda.

  2. En Método de análisis, elija Centralidad.
  3. Junto a Centralidad, elija una de las siguientes opciones:
    • Centralidad de intermediación: con qué frecuencia se encuentra un nodo en la ruta más corta entre cada par de nodos de la red. La eliminación o adición de un nodo central puede dar lugar a que las rutas más cortas cambien, lo que requiere el recálculo de la centralidad de intermediación. Centralidad de intermediación permite la identificación de nodos que actúan como nodos de conexión entre nodos de una red.

      La centralidad de intermediación puede ayudar a responder a las siguientes preguntas:

      • ¿Qué individuo o individuos conectan varias celdas de una red delictiva determinada?
      • ¿Qué cierre del aeropuerto tendría mayor impacto global en una red de transporte aéreo en cada país?

    • Centralidad de cercanía: el valor recíproco de la suma de las distancias de ruta más cortas de un nodo a todos los demás nodos de la red. Un nodo con la puntuación de centralidad de cercanía más alta tiene la ruta promedio más corta a todos los demás nodos de la red. Centralidad de cercanía se debería usar al determinar qué nodos mantienen una relación de asociación más estrecha con los demás nodos de la red.

      La centralidad de cercanía puede ayudar a responder a las siguientes preguntas:

      • ¿Quién fue probablemente el paciente cero de una epidemia?
      • ¿Quién sería la mejor persona o marca para informar al mayor número de personas sobre un producto en las redes sociales?

    • Centralidad de grado: el número total de conexiones inmediatas que tiene un nodo determinado en la red. Estas conexiones se pueden dividir aún más en conexiones entrantes o salientes para comprender mejor la naturaleza de las relaciones del nodo con sus vecinos. La centralidad de grado permite determinar qué nodos influyen de manera más directa en la red. Las redes direccionadas incluirán aún más la centralidad de grado de entrada y centralidad de grado de salida. Representan cuántas conexiones entrantes y salientes tiene un nodo determinado.

      La centralidad de grado puede ayudar a responder a las siguientes preguntas:

      • ¿Quiénes son los mayores influencers en una plataforma de redes sociales?
      • ¿Qué aeropuerto se conecta con el mayor número de destinos?

      La centralidad de grado de entrada puede ayudar a responder a las siguientes preguntas:

      • ¿Quién es el más seguido en una plataforma de redes sociales determinada?
      • ¿Qué aeropuerto tiene la mayoría de los vuelos de llegada desde otros aeropuertos?

      La centralidad de grado de salida puede ayudar a responder a las siguientes preguntas:

      • ¿A quién sigue la mayoría de las personas en una plataforma de redes sociales determinada?
      • ¿Qué aeropuerto tiene conexión con la mayoría de los destinos?

    • Centralidad del vector propio: la centralidad del vector propio está basada en nodos importantes que están conectados a otros nodos importantes. La centralidad del vector propio permite determinar si hay clústeres de influencia en una red determinada. El vector propio funciona cuando todas las relaciones de la red son bidireccionales o la direccionalidad se anota en la red.

      La centralidad del vector propio puede ayudar a responder a las siguientes preguntas:

      • ¿Hay grupos con personas muy influyentes en una plataforma de redes sociales determinada? ¿Y quiénes son?

    • Centralidad de PageRank: la centralidad de PageRank se parece a la centralidad del vector propio en que es la mejor opción para medir la influencia en una red. Sin embargo, mientras que el vector propio no tiene en cuenta la direccionalidad, PageRank sí. La centralidad de PageRank fue diseñada y popularizada por Google para ayudar a devolver el resultado de búsqueda óptimo a la pregunta de un usuario.

      La centralidad dePageRank puede ayudar a responder a las siguientes preguntas:

      • ¿Qué sitio web responde mejor a mi pregunta?
      • ¿Qué nodo de mi red de TI es el más crítico?
      • ¿Quién de mi red delictiva ejerce más influencia en toda la red?

    El análisis se ejecuta y los resultados tabulares aparecen en la ventana de análisis.

  4. Puede interactuar con los resultados tabulares en la ventana de análisis.


En este tema