Visual Social Network - Visone
Figura 9 - Visone
Fonte: Disponível em http://www.visone.info/
O Visone é um software livre para a criação visual e a transformação, exploração, análise e representação de rede de dados. Foi desenvolvido em 2001 pela Universidade de Konstanz e pelo Instituto de Tecnologia de Karlsruhe, ambas instituições alemãs. O software recebe constantes atualizações. Para este trabalho foi utilizada a versão visone- 2.6.2.
Segundo Brandes e Wagner (2008), o Visone é uma ferramenta que facilita a exploração visual de redes sociais. Por sua vez, redes socias é uma abordagem metodológica das Ciências Sociais que se utiliza do conceito da teoria dos grafos para descrever, entender e explicar uma estrutura social. O software Visone é uma tentativa de integrar a análise e a visualização dessas redes. Apesar de ter sido desenvolvido para utilização com foco principal em redes sociais, os vários recursos oferecidos pela ferramenta a torna útil em outras campos do conhecimento, como no caso deste trabalho, no qual a ferramenta está sendo utilizada para análise de mapas cognitivos.
As ferramentas utilizadas pelo software dizem respeito a métodos de representação especificamente adaptados para facilitar a exploração visual dos dados. A origem do Visone remete a uma cooperação interdisciplinar com pesquisadores das ciências políticas que resultou em um uso inovador para os métodos de visualização de redes sociais. Com a crescente pesquisa na área, os idealizadores do Visone integraram as ferramentas de análise para o uso livre. Por ser de uso livre, considera-se que o Visone é uma plataforma para teste de métodos inovadores de análises na área.
A seguir descrevem-se os modelos de dados que serão utilizados pelo Visone e alguns tipos de análises possíveis com base na ferramenta.
67 Uma rede consiste de nós (ou nodes, no original) e ligações entre os nós (ou links, no original). No estudo de redes sociais, os nós são os atores da rede e no mapeamento cognitivo os nós são os elementos estratégicos, ou pontos relevantes, do discurso do objeto de pesquisa. Esse nós são conectados entre si por relações binárias (0 ou 1), representando relacionamento social, troca de informação, dependência, antecedência e, neste estudo, meios e fins, explicações e consequências, opções e resultados e ações e objetivos. Os nós e as ligações podem ser associados a atributos adicionais, que são características especiais de cada um deles. As ligações podem apresentar ou não direção (directed e undirected, respectivamente).
Análises de redes
O propósito da análise de redes é identificar importantes nós, ligações, subgrupos de nós e características da rede e, também, responder questões referentes à sua estrutura. Existem três principais níveis de interesse: elemento, grupo e rede. No nível do elemento, interessa-se pelas propriedades, absolutas e relativas, de um nó ou ligação individualmente. No nível de grupo, interessa-se pela classificação dos elementos de uma rede e as propriedades das subredes. No nível de rede, interessa-se pelas propriedades da rede como um todo - por exemplo, seu grau de conectividade e balanço. A maioria das análises disponíveis no Visone refere-se ao nível de elementos. Mais especificamente, o foco concentra-se na mensuração dos indicadores dos vértices. Se, de um lado, não existe uma análise global sobre os vértices, de outro, um pequeno conjunto de indicadores constituem a base para a maioria dos estudos, inclusive os mais globais. Nesse sentido, são apresentados alguns indicadores utilizados para análise de redes.
Grau de centralidade (degree) - número de nós ao qual o nó analisado está
diretamente ligado. Por meio dele, é possível inferir o nó mais central da rede. Entretanto, para seu cálculo, só são considerados os elos diretos ao referido nó, sem considerar, portanto, suas ligações indiretas. Nesse sentido, ele indica que um ator é central em sua vizinhança, mas não se refere ao comportamento global.
Grau de saída (outdegree) - calcula o número de ligações que partem de
68 estão aptos a fazer trocas com outros nós. São chamados de “influenciadores”. Pode-se considerá-los como nós meios, explicações, opções ou ações.
Grau de entrada (indegree) - calcula o número de ligações que chegam a
determinado nó. Se um nó da rede recebe muitas ligações, ele é chamado de
“proeminente” ou “com alto prestígio”, pois indica a sua importância na rede.
Ou seja, muitos outros nós enviam-lhe ligações. Pode-se considerá-los como nós fins, consequências, resultados ou objetivos.
Grau de intermediação (betweeness) - calcula-se contando quantas vezes o nó
aparece nos caminhos geodésicos6 que ligam todos os pares de nós da rede. Nós com altos valores de betweeness são caracterizados como nós-ponte, pois este indicador expressa a importância que um nó tem para intermediar as comunicações entre pares de nós. Se os graus de intermediação dos nós de uma rede forem baixos, isso significa que os nós da rede se interligarão sem a necessidade de um nó intermediário.
Grau de centralidade de autovetor (eigenvector centrality) - representa o ator
mais central da rede a nível global. O indicador eigenvector mensura quais são os nós que têm vínculos diretos com outros nós que, por sua vez, possuem muitos vínculos. Portanto, leva em consideração as ligações diretas de um nó e as de seus vizinhos. Isso significa que conectar-se a um nó que é “influente” eleva a possibilidade de ser influente na rede.
Outro indicador utilizado para analisar redes é o grau de centralidade, de Bonacich (Bonacich centrality), o qual não pode ser obtido por meio do Visone. Para seu cálculo, foi utilizado o software Ucinet7, versão 6.0.
Poder de Bonacich (Bonacich power) - representa o poder de um nó em relação
aos demais nós da rede. Difere-se do grau de centralidade por considerar as conexões que seus vizinhos possuem, semelhante ao Eigenvector centrality. Entretanto, para o cálculo do Eigenvector centrality, quanto mais conexões os
6 Distância geodésica: distância (número de vínculos) entre um nó e outro.
7 Ucinet é um software para análise de dados de redes social. Foi desenvolvido por Freeman, Everett e Borgatti, da Universidade de Harvard. Para maior detalhe ver referência Borgatti, Everett, e Freeman (2002). Ele também pode ser acessado em https://sites.google.com/site/ucinetsoftware/home.
69 vizinhos do determinado nó possuem, mais central ele é. Isso não quer dizer necessariamente que ele é o que apresenta maior poder na rede. Segundo Phillip Bonacich, o fato de o nó “x” ligar-se a outras nós que também apresentam muitas conexões pode conferir-lhe maior centralidade, mas não lhe confere maior poder. Isso se deve ao fato de que, pelo fato de os nós vizinhos terem
muitas conexões, eles não dependem do nó “x” para se ligarem aos demais nós
da rede. Nesse sentido, estar conectado a nós que não possuem muitas ligações
confere poder ao nó “x”, uma vez que esses nós não bem conectados têm certa
dependência do nó mais bem conectado para se interagir na rede. É seguindo essa lógica que se calcula o poder de Bonacich.
Para a definição da estatística descritiva percentil de cada um dos indicadores destacados, foi utilizada a função “percentil” do software Microsoft Office Excel 2007, da Microsoft Coorporation. O percentil indica que há x% de dados inferiores ao valor estabelecido. oou seja, os percentis dividem o conjunto de dados em 100 partes iguais. A função do Excel retorna o k-ésimo percentil de valores em um dado intervalo. Neste estudo, ele foi utilizado para estabelecer um limite de aceitação, por exemplo, quando foi necessário examinar os nós com graus de centralidade superiores a 90º do percentil. Para a análise do conjunto de elementos ou fatores considerados estratégicos pelos empreendedores, considerando-se as sete categorias apresentadas, foi utilizada a ferramenta de tabela dinâmica do Excel.
70