Algunos videos que pueden ser de interés:
1. Vieja práctica nueva, explica qué es el big data, aquí
2. La opinión pública se fue a vivir a las redes sociales: contiene un video de como Barabási esta usando las redes en estudios médicos sobre la prevención de enfermedades a través de la caracterización del cuerpo humano, aquí
3. Donald Trump en Twitter, analiza el origen y la influencia de las redes sociales, explica que es un nodo, un enlance, hub, etc., aquí
4. Conferencia de David Krakauer, 2021 “Adapting for complexity”
5. Resiliencia de redes ecológicas (Gao et al. 2016):
6. Redes Biológicas: comentario de Carlos Páez sobre el video anterior (Gao et al. 2016), aquí.
7. Deborah Gordon: Muestra una red de hembras matriarcas de hormigas (Pogonomyrmex barbatus) y sus hijas fundadoras de otras colonias, para evaluar el éxito reproductivo de las colonias, lo que se observa es que las colonias más exitosas tienden a forrajear menos cuando las condiciones son secas, comportamiento que pensaban era poco adaptativo (forrajear mejor) resulto ser la mejor estrategia para evitar la perdida de agua en días extremos.
8. Petter Holme: "Understanding the World through networks in time: From structuralism to graph learning". Cátedra sobre redes temporales como parte del Coloquio de NetSci
Exhibición "BarabásiLab. Hidden Patterns" The Language of Network Thinking (ZKM).
https://zkm.de/en/exhibition/2021/05/barabasilab-hidden-patterns
Imagen: "Invasion" (1995), BarabásiLab
Complexity explorables
Colección de explicaciones interactivas de sistemas complejos en biología, física, matemáticas, ciencias sociales, epidemiología, ecología y otros campos...
https://www.complexity-explorables.org/
REPOSITORIOS U OTRAS FUENTES DE DATOS EN REDES
Spotify Artist Network (herramienta para la descarga de redes de colaboración entre artistas basada en datos de spotify): https://labs.polsys.net/playground/spotify/
Colorado Index of Complex Networks (ICON): https://icon.colorado.edu/#!/
Network data (repositorio de datos desarrollados por Mark Newman en la Universidad de Michigan): https://public.websites.umich.edu/~mejn/netdata/
Diversas herramientas para minería de datos, desarrolladas por Bernhard Rieder (Universidad de Amsterdam): https://labs.polsys.net/
Animal Social Network Repository del Bansal Lab: https://bansallab.github.io/asnr/
Moviegalaxies (redes de películas). Este es un sitio desarrollado por investigadores de la universidad de Harvard donde se presentan redes de películas en las que los nodos son los personajes vinculados en función del número de escenas en las que aparecen juntos. El sitio ya no está disponible, pero los datos sí (https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/T4HBA3). En el siguiente enlace: https://drive.google.com/file/d/1om1pKmsAa29xh1nFh5FnP8FFQJ9NlJRv/view?usp=share_link, puedes ver una lista de todas las películas disponibles en red. Si te interesa descargar alguna de las redes de estas películas, sigue los siguientes pasos:
En la columna "Title" identifica la película de tu interés
Observa qué valor tiene ese título en la columna GexfID
En los archivos que encuentras en esta carpeta, busca el nombre del archivo .gexf correspondiente y descárgalo.
Este formato lo puedes abrir en programas como GEPHI o Cytoscape.
REFERENCIA: Kaminski, Jermain; Schober, Michael; Albaladejo, Raymond; Zastupailo, Oleksandr; Hidalgo, César, 2018, "Moviegalaxies - Social Networks in Movies", https://doi.org/10.7910/DVN/T4HBA3, Harvard Dataverse, V3
VISUALIZACIÓN DE REDES EN R
Acá una guía buenísima para hacer visualizaciones de redes en R. Es material desarrollado por Katya Ognyanova:
https://kateto.net/network-visualization
En su sitio de internet se pueden encontrar más materiales sobre redes: https://kateto.net/
ANÁLISIS DE REDES EN R
Sitio de Tzai-Hung WEN (NTU Geography; wenthung@ntu.edu.tw ) para análisis y modelaje de redes: http://homepage.ntu.edu.tw/~wenthung/R_Network/
Análisis de redes en R del Shizuka Lab: https://dshizuka.github.io/networkanalysis/
CURSOS EN LÍNEA RELACIONADOS CON LA TEMÁTICA DE REDES Y ANÁLISIS DE DATOS
Curso de introducción a los sistemas complejos, del Instituto de Santa Fe. Trata los temas de dinámica, caos, fractales, teoría de la información, autoorganización, modelado basado en agentes y redes.
Modelado basado en agentes. Qué es un modelado de agentes, comprende y construye tu propio modelo. Comienza el 5 de junio, la inscripción ya esta abierta (Instituto de Santa Fe).
Introducción a Data Science: Programación Estadística con R. Este curso creado por la Universidad Nacional Autónoma de México proporciona las bases del lenguaje de programación estadística R.
Statistics One. Curso en YouTube de introducción a la estadística utilizando R como herramienta para los análisis.
OTROS SITIOS DE POSIBLE INTERÉS
Laboratorio de Stephen Lansing: http://www.slansing.org/
Acá un sitio de internet con mucha información y recursos sobre análisis de redes sociales, en español: http://networksprovidehappiness.com/analisis-de-redes-sociales-es/
Laboratorio signa_lab de la Universidad Jesuita de Guadalajara: https://signalab.mx/
¿CÓMO CONVERTIR UN ARCHIVO JSON DE MOVIEGALAXIES A ARCHIVOS LEGIBLES POR GEPHI O CYTOSCAPE?
Aquí puedes descargar un script de R que permite convertir archivos .json descargados de moviegalaxies.com a archivos .gml y a listas de vínculos y tablas de nodos que se pueden leer en Gephi, Cytoscape u otros visualizadores de redes. El script usa como ejemplo el archivo correspondiente a la red de personajes de la película "Señor de los Anillos: la comunidad del anillo", que se puede descargar aquí.
¿CÓMO ESPACIALIZAR UNA RED PARA REPRESENTARLA EN UN MAPA?
El script de R que se puede descargar aquí, presenta dos ejemplos de representaciones de redes sobre mapas. Para ello se retoma el procedimiento y uno de los ejemplos presentados en https://skyeome.net/wordpress/?p=866. Recomiendo ver la fuente original para revisar la información qu ahí se presenta. En dicho blog, el autor sugiere 3 pasos básicos para presentar redes geográficas en mapas:
PASO 1. Tener datos relacionales con información apropiada de latitud y longitud asociada a los nodos (como atributo en la tabla de nodos),
PASO 2. Decirle a R que grafique un mapa con alguno de los paquetes para mapeo y
PASO 3. Usar alguno de los paquetes para graficar redes que genere una representación de la red utilizando la información de latitud y longitud para colocar a los nodos sobre el mapa
El script presenta el desarrollo de dichos pasos, primero usando el ejemplo original de https://skyeome.net/wordpress/?p=866 y luego un ejemplo a escala local en México para mostrar cómo se puede ajustar el mapa para la escala de interés (basado en esta publicación). Para el segundo ejemplo es necesario descargar los siguientes archivos: NODELIST.csv y EDGELIST.csv.
Aquí otros recursos para trabajar redes u afines:
ONODO: https://onodo.org/
Network Canvas: https://networkcanvas.com/
yEd: https://www.yworks.com/products/yed
VosViewer: https://www.vosviewer.com/
Visual paradigm
Concept explorer (ConEx; permite construir retículas conceptuales para hacer Análisis de Conceptos Formales): https://conexp.sourceforge.net/users/index.html