Registro:
Documento: | Tesis Doctoral |
Título: | Inferencia en redes complejas de origen social |
Título alternativo: | Inference on complex networks of social origin |
Autor: | Salgado Corrado, Ariel Olaf |
Editor: | Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
Lugar de trabajo: | Universidad de Buenos Aires - CONICET. Instituto de Cálculo (IC)
|
Publicación en la Web: | 2023-03-01 |
Fecha de defensa: | 2022-11-24 |
Fecha en portada: | 2022 |
Grado Obtenido: | Doctorado |
Título Obtenido: | Doctor de la Universidad de Buenos Aires en el área de Ciencias Físicas |
Departamento Docente: | Departamento de Física |
Director: | Caridi, Délida Inés |
Consejero: | Balenzuela, Pablo |
Idioma: | Español |
Palabras clave: | REDES COMPLEJAS; SISTEMAS COMPLEJOS; INFERENCIA; SISTEMAS DE ORIGEN SOCIAL; MODELOS GRAFICOS; COMUNIDADES; REDES QUE EVOLUCIONAN; MOVILIDAD URBANACOMPLEX NETWORKS; COMPLEX SYSTEMS; INFERENCE; SYSTEMS OF SOCIAL ORIGIN; GRAPHICAL MODELS; NETWORK COMMUNITIES; EVOLVING NETWORKS; URBAN MOBILITY |
Formato: | PDF |
Handle: |
http://hdl.handle.net/20.500.12110/tesis_n7213_SalgadoCorrado |
PDF: | https://bibliotecadigital.exactas.uba.ar/download/tesis/tesis_n7213_SalgadoCorrado.pdf |
Registro: | https://bibliotecadigital.exactas.uba.ar/collection/tesis/document/tesis_n7213_SalgadoCorrado |
Ubicación: | FIS 007213 |
Derechos de Acceso: | Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Salgado Corrado, Ariel Olaf. (2022). Inferencia en redes complejas de origen social. (Tesis Doctoral. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales). Recuperado de http://hdl.handle.net/20.500.12110/tesis_n7213_SalgadoCorrado |
Resumen:
El estudio de los sistemas complejos, y en particular aquellos de origen social, representa un área de conocimiento que puede parecer formada por ideas inconexas a primera vista. Mientras que para ciencias como la Física existen conceptos más o menos definidos para precisar qué es la complejidad, otras disciplinas interpretan al área de sistemas complejos como un conjunto de metodologías independientes. Entre ellas, la inferencia probabilística y el análisis de redes son dos de las herramientas más comúnmente consideradas. En esta tesis proponemos un camino que conecta estas dos herramientas a través de ejemplos, mostrándolas como dos extremos de una misma metodología, enfocada en caracterizar relaciones entre elementos de un sistema. Los ejemplos presentados representan a su vez una contribución al estudio de los sistemas de origen social desde una perspectiva de Física y de Sistemas Complejos. Los sistemas estudiados corresponden a tres temáticas distintas dentro de los sistemas de origen social. Primero, consideramos un proceso de construcción de conocimiento comunitario: el crecimiento de la red de paquetes del lenguaje de programación R. Modelamos el crecimiento en términos probabilísticos, considerando cómo cambia la forma enque nuevos paquetes se incorporan a la red conforme esta crece. Luego, consideramos un modelo de disputas en redes sociales. Tomamos la red del Club de Karate estudiada por W. Zachary para caracterizar el resultado de una disputa empleando modelos gráficos. Inferimos la fuerza que tiene cada actor para imponer su postura en la red en términos de su grado, a la vez que desarrollamos una metodología para identificar a los actores centrales en una división de la red en facciones o grupos. Por último, consideramos un problema de urbanismo: cuál es el contexto con el que se encuentran los ciudadanos durante sus actividades diarias. Para esto, construimos un modelo probabilístico, considerando dónde viven los ciudadanos, así como la ubicación de espacios de interés de la ciudad. Visualizando este modelo como una red bipartita pesada, el análisis de redes complejas permite caracterizar la estructura de una distribución de probabilidad mediante conceptos propios de redes complejas. De esta forma, al final del camino se puede visualizar al análisis de redes complejas y la inferencia probabilística como dos metodologías hermanas vistas desde la perspectiva de los sistemas de origen social. Cada aporte a las tres temáticas consideradas deja a su vez preguntas interesantes, plausibles de ser continuadas en futuros trabajos.
Abstract:
The study of complex systems, and in particular those of social origin, represents a knowledge area which may appear disconnected at first. While in disciplines like Physics there is a consensus of what complexity means, other areas see complex systems analysis as a set of independent tools coming from different disciplines. Among them, the Probabilistic Inference and the Complex Networks Analysis are two of the most common tools of the area. In this thesis, we propose a path connecting these two disciplines through examples. The path presents them as two extremes of one methodology, focused in characterizing relations among objects. Also, the examples represent a contribution to the study of systems of social origin from a Physics and Complex Systems perspective. The studied systems come from three different topics within the systems of social origin. First, we consider a communitary knowledge building process: the growth of the network of packages of R, the programming language. We model the network growth in probabilistic terms, considering how the way in which new packages arrive to the network changes as the network evolves. Second, we develop a model of conflict in social networks. We consider the Karate Club network studied by W. Zachary. We characterize the result of a conflict among two actors using graphical models. We infer the capability of an actor to impose its opinion in terms of its degree. Also, we develop a model for detecting the most relevant actors for a given division of the network into factions or groups. Third, we consider a problem from urban planning: the context in which a citizen realizes their daily activities. We build a probabilistic model, considering where the citizens live and where the spaces of interest are located. After visualizing the model as a bipartite weighted network, the complex networks analysis allows characterizing a probability distribution under concepts from network science. This way, at the end of the path we can visualize the complex network analysis and the probabilistic inference as two sister methodologies seen from the perspective of the social systems. Each contribution to the three topics considered leaves interesting questions, plausible to continue in future works.
Citación:
---------- APA ----------
Salgado Corrado, Ariel Olaf. (2022). Inferencia en redes complejas de origen social. (Tesis Doctoral. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/tesis_n7213_SalgadoCorrado
---------- CHICAGO ----------
Salgado Corrado, Ariel Olaf. "Inferencia en redes complejas de origen social". Tesis Doctoral, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2022.https://hdl.handle.net/20.500.12110/tesis_n7213_SalgadoCorrado
Estadísticas:
Descargas totales desde :
Descargas mensuales
https://bibliotecadigital.exactas.uba.ar/download/tesis/tesis_n7213_SalgadoCorrado.pdf