En el contexto de las redes sociales, se pueden diferenciar dos problemas relacionados con las estructuras que conforman los grupos. Por una parte, la detección de grupos trata el problema del descubrimiento de conjuntos de nodos, denominados grupos o comunidades, a partir del análisis de las propiedades estructurales de las redes que conforman. Por otra parte, la selección de grupos trata el problema de identificar conjuntos de nodos de acuerdo a ciertos criterios de selección.
Pese a esta distinción en los conceptos de selección y detección de grupos, es frecuente que la selección haga uso de la detección para la evaluación de los criterios de selección. Por este motivo, resulta relevante una revisión de las estrategias de detección de grupos en redes sociales. Las estrategias de detección de grupos en redes sociales se valen de las propiedades estruc- turales de éstas, como la métricas de centralidad o las métricas de cohesión. Estas estrategias difieren principalmente de acuerdo al objetivo de la selección del grupo. Por ejemplo, en algunos casos el objetivo consiste en maximizar la difusión en la red, fragmentar la red, seleccionar el conjunto de nodos más influyentes, o bien recomendar nuevos enlaces en la red social.
Desde la perspectiva de la difusión y la fragmentación, en (Borgatti, 2006) se plantea el problema de detección de grupos de actores claves de la red (Key Player Problem), estableciendo dos objetivos principales. Por un lado, la detección de actores claves para la difusión en la red (KPP-Pos), y por el otro, la fragmentación de la red a partir de la eliminación de dichos actores clave (KPP-Neg). En ambos casos, el problema plantea la utilización de métricas de centralidad de un conjunto de nodos de la red para su evaluación.
Otro objetivo plantea la detección de grupos de nodos que maximicen la influencia de éstos en el resto de la red. Esto implica seleccionar un conjunto de nodos que maximicen el poder ejercido sobre otros nodos de la red. En este sentido, en (Cao et al., 2011) se propone la selección
3.3 Detección y selección de grupos en redes sociales 21
de grupos de nodos con el objeto de maximizar la influencia en el resto de la red, mediante la representación del problema como una asignación óptima de recursos.
Por otra parte, en (Wi et al., 2009b,a) se seleccionan miembros de equipos basados en su fa- miliaridad, mediante métricas de centralidad y la aplicación de algoritmos genéticos. En (Kolaczyk et al., 2009) se seleccionan conjuntos de nodos mediante la definición de una variante de la métrica de centralidadbetweenness.
Estas estrategias de detección de actores clave, maximización de influencia, y optimización de alguna propiedad estructural, establecen únicos criterios de selección de los grupos. Sin embargo, estas estrategias no preveen la incorporación de otros criterios para la selección de grupos de nodos.
Respecto de los intentos por consolidar varios criterios en la selección de grupos en redes sociales. En (Hinds et al., 2000) se propone la selección de compañeros de grupos de trabajo, mediante un modelo combinado de atributos de nodos, atributos de relaciones y propiedades estructurales de los candidatos. En (Morgan & Carley, 2014) se presenta un modelo organiza- cional para el análisis de procesos de contratación de personas, en el que se realiza el análisis de un conjunto de factores para la selección de los candidatos (Morgan & Carley, 2011).
También en selección de grupos, en (Kazienko et al., 2006) se propone un enfoque a partir de redes sociales denominado "human filtering". Mediante este enfoque pretenden resolver el problema de selección detarget groups,o grupos de personas para publicidad o recomendación. Para ello, definen un proceso de selección basado en un modo tradicional de selección de perso- nas, considerando características demográficas y otros intereses, junto con la detección de grupos cohesivos mediante SNA. Si bien el trabajo utiliza SNA para la selección de grupos, no indica un modo de representar otros criterios de selección de grupos mediante SNA, o bien de combinar otras propiedades del SNA en el proceso de selección.
Detección de grupos en redes complejas
Las redes complejas incluyen redes sociales con múltiples tipos de relaciones (multi-capas), de gran tamaño, y dinámicas.
Particularmente en relación a las redes con múltiples relaciones, en (Bródka et al., 2013) se presenta un enfoque para la detección de comunidades en redes multi-capas mediante una trans- formación de la red. Si bien el enfoque pretende detectar comunidades mediante técnicas como la agrupamiento (clustering), las múltiples capas de la red social podrían resultar adecuadas para la representación de múltiples criterios de selección de grupos.
Respecto de la utilización de las propiedades estructurales de redes complejas para la detec- ción de grupos, en (Vasudevan & Deo, 2012) se propone un algoritmo basado en la maximización deldegreepromedio para el descubrimiento de comunidades en una red. Sin embargo, la con- cepción de red compleja utilizada es la de grafos grandes, dinámicos y aleatorios, sin describir la aplicación del algoritmo en un escenario de representación de múltiples tipos de relaciones.
22 Trabajos relacionados
propone un método para la detección de grupos mediante un análisis de similitud de dichos grupos, así como un análisis de su evolución.
3.4.
Resumen
En este capítulo se presentan los trabajos relacionados con la selección de grupos de personas, mediante redes sociales. En particular, se relevaron aquellos trabajos vinculados con la Recupe- ración de Expertos, la extracción de evidencia de experiencia, la importancia de los criterios de selección, y las estrategias de detección de grupos basados en redes sociales.
Como resultado del estudio, se identificó que el procesamiento de la evidencia es clave en la evaluación de la experiencia de las personas. Asimismo, los proceso de Recuperación de Expertos dependen fundamentalmente de esta evidencia de experiencia para la generación de perfiles de los expertos.
Por otra parte, se identificó que los enfoques de detección de grupos en redes sociales se basan generalmente en alguna propiedad estructural de centralidad como degree, betweenness ocloseness, entre otros. Esto implica que la representación de los criterios para la selección de grupos suelen utilizar un único tipo de relación o propiedad de la red. Sin embargo, se encontra- ron trabajos relacionados con la detección de grupos en redes complejas, los cuales incorporan características como múltiples capas, o tipos de relaciones, y redes dinámicas.
Las características de las redes complejas permiten la representación de múltiples relaciones como criterios de selección. Sin embargo, no se han encontrado alternativas que permitan la representación y evaluación de múltiples criterios de selección de grupos en redes sociales.
En resumen, el problema de selección de grupos de expertos a partir de redes sociales implica definir un mecanismo que permita la representación de múltiples criterios de selección; definir un proceso de selección de grupos en base a los criterios establecidos; y la automatización del proceso de evaluación y selección. En este sentido, un mecanismo de selección de grupos debe- ría abordar algunos aspectos clave. Inicialmente, es necesario identificar criterios de selección por los cuales se realiza la selección de expertos para la conformación de grupos. Asimismo, es necesario establecer una alternativa de representación de múltiples criterios para la selección de grupos. Esta representación debe tener en cuenta que los criterios pueden ser varios, hete- rogéneos, y posiblemente conflictivos. Finalmente, el proceso de selección de grupos a partir de criterios de selección debe considerar la posibilidad de automatización para la evaluación de dichos criterios.
Cap´ıtulo
4
Enfoque para la selección de grupos
de expertos mediante redes sociales
En este capítulo se presenta el enfoque propuesto para la selección de grupos de expertos mediante redes sociales. Este enfoque propone un método que utiliza técnicas de Procesamien- to de Lenguaje Natural (NLP), con el objetivo de generar información que permita identificar candidatos expertos para la conformación de grupos. Asimismo, el enfoque también propone un método que utiliza técnicas de Análisis de Redes Sociales (SNA) y de computación evolutiva, con el objetivo de generar conformaciones posibles de grupos de expertos.
En la sección 4.1 se presenta una visión general del método propuesto. La sección presenta el problema que se pretende resolver, junto con una breve descripción de las partes del método propuesto. La sección 4.2 introduce la primera parte del método, la cual trata la identificación de candidatos expertos elegibles para la conformación de grupos, desde la perspectiva de los criterios aplicados en la selección de los candidatos. La sección 4.3 introduce la segunda parte del método, la cual propone una representación del problema de selección de grupos mediante redes sociales, y propone un método de computación evolutiva para optimizar la búsqueda de conformaciones posibles de grupos de expertos. Finalmente, en la sección 4.4 se presenta un resumen de este capítulo.
4.1.
Visión general
Un grupo de expertos es un conjunto de personas con reconocido dominio de alguna ma- teria. Los grupos de expertos se constituyen por varios motivos, como el tratamiento de temas específicos, definición de políticas, asignación de recursos, y asesoramiento, entre otros.
Por lo general, los grupos de expertos son seleccionados mediante algún proceso de selección de grupos, en el cual se evalúan tanto los requisitos que deben cumplir los candidatos, como
24 Enfoque para la selección de grupos de expertos mediante redes sociales