Redes complejas aplicadas al modelamiento de dinámicas
sociales
Joao Aguirre Ramirez
Asesor de Proyectos, Dirección de Investigación ITM Instituto Tecnológico Metropolitano, [email protected]
Francisco Javier Serna Alzate
Profesional Junior I+D+i, CIDET Centro de investigación y Desarrollo del sector eléctrico, [email protected]
Wilson Daniel Giraldo
Profesional Junior I+D+i, CIDET Centro de investigación y Desarrollo del sector eléctrico, [email protected]
Resumen
Las redes complejas han llamado la atención de la comunidad científica debido a su flexibilidad para modelar sistemas complejos, como redes de cooperación científica, propagación de epidemias o redes sociales entre otros. En este último campo se manifiesta un gran interés abordado desde el modelamiento de dinámicas sociales, por tal razón, se realizó un estudio de vigilancia tecnológica en esta temática, analizando su evolución en el tiempo y su relación con los Sistemas Sectoriales de Innovación (SSI), en particular para analizar las dinámicas de relacionamiento, las normas que regulan las interacciones entre los actores y que determinan la producción de innovaciones en un sistema dado. Siendo las redes complejas un campo relativamente nuevo, es importante conocer el estado actual de la investigación y las tendencias presentes, para identificar su aplicabilidad a los SSI.
Este artículo presenta un análisis bibliométrico y cienciométrico de la investigación sobre Redes Complejas aplicadas al modelamiento de dinámicas sociales, realizando una revisión de la literatura indexada, lo que permite conocer el estado del arte actual, identificando principales trabajos en esta dirección, autores de mayor impacto y reconocimiento, instituciones a nivel mundial que tienen declarada esta línea de investigación y los países que tienen mayor influencia en el desarrollo en esta temática
Se sustenta la vigencia de las Redes Complejas como tema de investigación emergente y de alto impacto, se identifican algunas de sus aplicaciones en relación con las dinámicas sociales y su influencia en el desempeño de los SSI, adicionalmente se identifican las patentes a nivel mundial relacionadas con este campo de este estudio. Finalmente, se hace un recuento a nivel latinoamericano identificando los principales investigadores e instituciones líderes en esta región.
La presente investigación tiene como finalidad contribuir a la explicación de la evolución de esta línea temática, la cual es prometedora ya que puede brindar una explicación de fenómenos complejos mediante herramientas de modelación y simulación.
Palabras clave
Vigilancia Tecnológica, Sistemas Sectoriales de Innovación, Redes Complejas, Redes Sociales, Dinámicas Sociales.
1
Introducción
Por ejemplo, una red compleja que ha experimentado un alto crecimiento en los últimos años es la concerniente a la creación de sistemas operativos de circulación libre para teléfonos inteligentes. Los desarrolladores de aplicaciones han crecido exponencialmente, y de alguna manera han terminado por formar clusters de acuerdo con el contenido de sus aplicaciones (Tilson, Sørensen, & Lyytinen, 2011), (Cornelia, 2008).
El análisis de la creación y el desarrollo de estos clusters ha sido objeto de estudio recientemente (Breschi & Malerba, 2001; Ji, 2010; Rodríguez-Pose & Comptour, 2012). La articulación de estos clusters en sistemas de redes complejas de innovación se conoce como sistemas regionales de innovación (Rodríguez-Pose & Comptour, 2012), (Niosi, 2011), (Asheim & Coenen, 2005; Cooke, 2002). El estudio de las redes complejas aplicado a los sistemas sectoriales de innovación resulta de gran importancia, pues son estos sistemas los que determinan el desarrollo de la innovación y la industria en una región determinada: por ejemplo, en ocasiones el crecimiento económico de las regiones o sectores es generado por uniones de los mencionados clusters productivos. Por tanto, los sistemas sectoriales de innovación se convierten por sí mismos en una red compleja que determina el desarrollo económico e industrial de una comunidad, de manera que resulta necesaria la investigación sobre esta temática en pro de los avances en el modelamiento de los sistemas de innovación (Pellegrin, Balestro, Valle, & Dias, 2010) (Breschi, Cassi, Malerba, & Vonortas, 2009; Breschi & Malerba, 2001; Miyazaki & Klincewicz, 2007).
El presente trabajo recopila información de la base de datos SCOPUS sobre el tema Redes Complejas enfocándose al estudio de dinámicas sociales que serían relevantes en los sistemas sectoriales de innovación. De estos resultados se destacan los expertos en Redes Complejas por países, instituciones e investigadores. También se enlistan los autores más referenciados en esta temática. Adicionalmente se relacionan los principales contenidos científicos en los artículos obtenidos. Las patentes que se han registrado al respecto también son analizadas en búsqueda de una tendencia de patentamiento.
2
Parámetros de búsqueda
Los resultados del presente trabajo se basan en el corpus de información obtenido a partir de consultas realizadas en la base de datos Scopus, entre el 20 y 26 de marzo de 2012. Para ello, se usaron las siguientes ecuaciones de búsqueda, términos que debían estar contenidos en el título, resumen y palabras clave de los artículos:
- “Complex network” + human + social + model - “Complex network”+ “Human behavior” - “Complex network” + “Social model” - “Complex network” + “Social network”
Sin embargo, se realizó una consulta posterior enfocada en Latinoamérica, que fue menos restrictiva, ya que tenía por objetivo identificar la producción científica latinoamericana sobre redes complejas en general.
Como resultado de esta búsqueda, y tras aplicar filtros de exclusión a disciplinas como medicina y neurociencia (que presentan gran volumen de información relacionado con redes complejas como las neuronales, pero que nada tiene que ver con la temática de estudio), se obtuvo casi 700 artículos para depurar y analizar. Este proceso se adelantó con el soporte del software Vantage Point v7.1.
La tendencia de publicación se muestra Figura 1. Causa de este notable crecimiento, es posiblemente la introducción de las redes sociales al estudio de las redes complejas: se observa un primer pico de interés en 2005, un año después de la fundación de Facebook; también se aprecia que después de 2007, año en que se creó la red social Twitter, el interés de los científicos en las redes complejas se incrementó en 2008 y alcanzó su punto más alto en 2009. Esto también coincide con el boom que ha experimentado Facebook desde 2008, también cabría mencionar el lanzamiento de otras redes sociales como MySpace o LinkedIn en 2003.
Figura 1. Tendencia en publicación. Fuente: Elaboración propia.
3
Estado del arte a nivel mundial
3.1
Identificación de países líderes
Algunos artículos referencian la creación de redes colaborativas entre países en términos de innovación, (Dehnen-Schmutz, Holdenrieder, Jeger, & Pautasso, 2010; Di Matteo, Aste, & Gallegati, 2005; Peng, Yang, Xu, & Ming, 2011). Estas redes llegan a definir el futuro investigativo de un tema, pues se forma un consenso entre compañías líderes (nodos más fuertes de la red) para producir o investigar en determinada dirección, condicionando así a las empresas más pequeñas (nodos débiles de la red) a seguir el mismo camino.
Explorar estas redes permite pues la identificación de la generación de alianzas que propendan por el desarrollo de un tema de interés particular, que dado el caso podrían ser los sistemas sectoriales de innovación.
Los países que lideran la investigación en este tema son principalmente China, con 156 artículos científicos indexados, Estados Unidos con 58, España con 26, Italia con 19 y Brasil con 18. Sin embargo, los países pioneros fueron Holanda, Estados Unidos, Australia y Alemania, que empezaron a publicar entre 1997 y 2001.
Luego de estas publicaciones aisladas, los demás países comenzaron a interesarse en el tema desde 2002 y se produjo un boom en China a partir de 2007, que llegó a su punto más alto en 2009. Esta situación es ilustrada en la Figura 2.
Figura 2. Volumen de publicación en países líderes. Fuente: Elaboración propia.
3.2
Identificación de las instituciones líderes
La literatura ha identificado el importante papel que desempeña la teoría de redes complejas en el estudio de los sistemas regionales e inclusive sectoriales de innovación, prueba fehaciente es el estudio realizado por (Zheng, 2011) para describir los atributos de inteligencia artificial que incluye las redes complejas a un sistema regional de innovación.
Entonces, como es de esperarse, debido al liderazgo indiscutible de China en el número de publicaciones, la mayoría de universidades que tienen grupos de investigación que trabajan en redes complejas son de origen chino: de las 20 universidades con mayor número de publicaciones en este tema, 12 son chinas, 3 españolas, 2 estadounidenses, 1 japonesa, 1 italiana y 1 brasilera.
Las tres universidades que cuentan con mayor número de publicaciones a nivel mundial son: Beijing University of Posts and Telecommunications, con 12 artículos; Shanghai Jiaotong University, con 9 artículos; y la Universidad de São Paulo, también con 9 publicaciones. Esto insinúa que, pese al gran clúster de universidades chinas que lideran la investigación en este campo, hay grupos de investigación también muy fuertes en Brasil. Esto se verá con más detalle en el apartado 4.1.
Ninguna de estas universidades trabaja de manera aislada, sino que cuentan con una amplia cooperación con otras universidades, algunas de las cuales también son líderes en investigación. Esto sugiere que los expertos mundiales que escriben sobre redes complejas pertenecen a diversas universidades, y que generalmente se asocian a la hora de publicar sus trabajos. La Figura 3 permite visualizar la red de cooperación de la Shanghai Jiaotong University, segunda a nivel mundial en número de publicaciones.
Figura 3. Red de cooperación de la Shanghai Jiaotong University. Fuente: Elaboración propia.
3.3
Expertos mundiales
Debido a la situación ya expuesta, no es sorpresa que muchos de los expertos mundiales sean de origen chino. Los seis autores con mayor número de publicaciones son chinos, y entre los 20 autores con más artículos indexados, 13 son chinos. Es importante destacar la estructura de las redes científicas colaborativas pues estas por si mismas se consideran redes complejas de “pequeño mundo”, en las cuales los investigadores principales están separados entre sí por pocos intermediarios (Newman, 2001).
Se destaca Jiming Liu, de la Hong Kong Baptist University, quien investiga sobre sistemas multiagente, computación AOC, sistemas auto organizados descentralizados, Inteligencia Web (WI), redes complejas y sistemas complejos del mundo real. En segundo lugar aparece Bo Yang, de la Jilin University, cuyos campos de acción son las matemáticas, física, ciencias computacionales, ciencias de decisión, ingeniería. En tercer lugar figura Zen-Qiang Chen, quien trabaja en la Nankai Univeristy y ha publicado artículos sobre materias como ingeniería, ciencia computacional, matemáticas, física y astronomía, ciencias sociales, energía.
lugar (cinco artículos de dinámicas sociales), pero es la autoridad indiscutible en Latinoamérica (sobre el tema en general).
Sin embargo, los anteriores autores se consideran como expertos por el hecho de liderar las publicaciones de más actualidad, pero hay otros autores que, pese a no figurar en la lista anterior, deben ser considerados como expertos, pues son ellos los pioneros del tema. La figura 4 permite visualizar la lista de los autores más referenciados en los artículos de redes complejas.
El número de referencias es muy alto (220, 187, 185) para una disciplina tan reciente, lo que indica que el trabajo de estos autores detonó el interés de la comunidad científica en general.
Figura 4. Autores más referenciados. Fuente: Elaboración propia.
Figura 5. Cooperación entre los autores más citados. Fuente: Elaboración propia.
3.4
Temáticas de mayor interés para los investigadores
El estudio de los temas que más son tratados por los investigadores se efectúa mediante un análisis de las palabras clave de los artículos consultados. La Figura 6 permite visualizar las 30 palabras clave de uso más común en todos los artículos analizados.
De la Figura 6 se destacan términos como social network, community structure, large scale systems, social sciences, community detection y knowledge management. La gran frecuencia de términos como estos en los artículos científicos evidencia la gran aplicabilidad que tienen las redes complejas en el modelamiento de las dinámicas sociales, como la detección de comunidades o el modelamiento de sistemas de gran escala como las redes sociales. Esto también se hace evidente en la terminología misma de la teoría de las redes complejas: existe un tipo de estas redes, conocidas como small world networks, que deben su nombre al tipo de redes que conforman las personas en el mundo real y que de hecho corresponden a la cuarta palabra clave más popular, indicando así un alto volumen de estudio en este campo. La figura 7 muestra el uso que han tenido estas palabras a lo largo del tiempo. Se destaca que el término que primero se usó en los artículos relacionados con redes complejas es “innovación”, reforzando la aplicabilidad de esta materia a la innovación. También se aprecia que en 2012 no se han vuelto a usar términos como “Social network” o “internet”, pero que siguen vigentes algunos más recientes, como “community structure”, “real world network”, “community detection” y “degree distribution”, lo que sugiere que se ha migrado un poco el interés en el tema desde las redes sociales en internet hacia las redes de personas en el mundo real.
4
Estado del arte en Latinoamérica
4.1
Países líderes en investigación
El número de países que han publicado artículos científicos indexados en Latinoamérica sobre redes complejas, como tema general no enfocado en dinámicas sociales, se reduce a cinco: Brasil, México, Venezuela, Argentina y Chile. Curiosamente, todos estos países han publicado al menos un artículo en colaboración con una institución de origen brasilero, lo que evidencia el papel central del Brasil en el clúster de la investigación en este tema. Esto puede visualizarse en la Figura 8.
Figura 8. Cooperación en Latinoamérica. Fuente: Elaboración propia.
De nuevo, se insiste en que el hecho de que Brasil aparezca ahora con 46 publicaciones, mientras que en el apartado 3.1 figuraba con apenas 18, se debe a que en dicho apartado se tuvieron en cuenta sólo publicaciones que se refirieran a modelamiento de dinámicas sociales, mientras que en el análisis de Latinoamérica han sido tenidos en cuenta todos los artículos referentes a redes complejas en general.
4.2
Instituciones líderes
Figura 10. Instituciones líderes en Latinoamérica. Fuente: Elaboración propia.
4.3
Expertos latinoamericanos
El experto latinoamericano indiscutible es Luciano da Fontoura Costa, de la Universidad de Sao Paulo, quien cuenta con 22 artículos indexados. Le siguen Oswaldo Novais de Oliveira Jr. con 9 artículos, Lucas Antiqueira con 8 artículos y otros autores brasileros y venezolanos, que de hecho han publicado varios artículos en compañía de Luciano, conformando una macrorred de cooperación que puede visualizarse en la Figura 110.
5
Análisis de patentes
Dado que el registro de una patente demuestra la madurez en que se encuentra determinada tecnología, es de principal interés su análisis en los casos de estudio para concluir respecto al crecimiento que ha experimentado una materia en particular y aprovechar herramientas u oportunidades que propicien las patentes en desuso con vencimiento cercano para su inclusión en la demanda interna. Contextualizándose en redes complejas, se encuentran en la base de datos de patentes ESPACENET un total de 48 solicitudes de patentes. No se puede afirmar que este número sea bajo, pues dada la naturaleza eminentemente teórica de la materia y su reciente aparición, es normal que no haya muchas patentes. A pesar de esto, se evidencia por este número de patentes que este campo ya ha encontrado varias aplicaciones en la industria, no necesariamente relacionadas con modelamiento de redes sociales, sino con conceptos más prácticos, como se verá más adelante.
La Figura 11 permite visualizar la distribución de patentes solicitadas por países, destacándose Corea y la Unión Europea. De manera similar, la Figura 12 muestra las instituciones con más solicitudes de patentes, confirmando el liderazgo de las compañías coreanas como Samsung. En esta figura también puede apreciarse que las compañías con mayor número de patentes están dedicadas al negocio de las telecomunicaciones.
Posteriormente se adelanta una búsqueda en la base de datos Freepatents online. Se encontraron 36 resultados para la misma ecuación de búsqueda: “complex network”. Estos resultados se discriminan por palabras clave y se presentan en la Tabla 1.
Figura 11. Países con mayor número de patentes
Figura 12. Instituciones con mayor número de patentes
Fuente: www.patentscope.wipo.int
La Figura 13 muestra la dinámica de patentamiento entre los años 2002 y 2012. Se observa un movimiento similar al de las publicaciones científicas, con un gran pico en 2009 y un crecimiento sostenido desde 2005.
Tabla 1. Número de patentes por palabras clave.
Palabras clave Número de patentes
relacionadas
Comunicaciones 9
Modelamiento 9
Protocolos 8
Pluralidad de dispositivos 7
Estructura de redes 6
Grupos 5
Mapeo de redes complejas 3
Módulos 3
Transmisión 3
Umbrales 3
Técnicas 3
Representación visual 2
Individuos 2
Figura 13. Patentes a través de los años
De la tabla 1 se puede inferir que la mayoría de las aplicaciones que han sido desarrolladas a partir de los resultados de la teoría de redes complejas se encuentran en el campo de las telecomunicaciones, con el desarrollo de nuevos protocolos de enrutamiento de paquetes o con la restructuración de la arquitectura de las redes, quizá adaptándolas a las comunidades o clusters detectados (grupos de usuarios) mediante un estudio basado en un modelo de red compleja. Esto concuerda además con los resultados de las empresas con mayor número de patentes de la figura 12, que se dedican al negocio de las telecomunicaciones.
Estas instituciones tienen sus orígenes en Corea del Sur (Samsung Electronics Co.; Kt Freetel Co., Ltd. fusionada con KT; LG Electronics Inc.), Republica Popular China (Huawei Technologies Co.), Alemania (SAP AG, Robert Bosch GmbH), Reino Unido (3-Design L.L.C.), Francia (Edelcom), EEUU (Mok3 fusionada con Everyscape). La mayoría de estas empresas tiene entre sus productos y áreas las comunicaciones. También hay diversas aplicaciones en electrodomésticos, software de administración y modelamiento 3D, y vehículos. En general, la gama de productos de estas firmas concuerda con el tema de este estudio.
En relación con los años de publicación, Huawei Tech. Inc. En 1999 estableció un centro de Investigación en India, en 2000 uno en Suiza y en el 2006 se unió con Motorola para establecer un centro de I+D en Shangai. En el 2008 fue el año en que esta compañía aplicó al mayor número de patentes bajo el tratado de cooperación de patentes (PCT) con 1737 envíos, posiblemente como resultado de su inversión en investigación.
Samsung Electronics en 2002 lanza un móvil con pantalla LCD de alta definición, para 2009 desarrolla su primer TV ultra delgado. Se destaca en esta corporación que tenga 12 centros de investigación y desarrollo tecnológico. La mayoría de estos (8) dirigidos a la investigación en el área de las telecomunicaciones.
También ha tenido incidencia la adquisición de KT Freeltel Co., Ltd. por parte de KT Corp., en 2009. Este grupo de empresas provee servicios en comunicaciones dentro de Corea.
6
Conclusiones
El estudio de redes complejas del mundo real es un tema emergente que debe analizarse desde el punto de vista del crecimiento de las redes sociales cibernéticas. Su aparición conjunta partir de 2003 y su apogeo en 2008 se ve reflejado en el número de estudios, lo que es de esperarse debido al crecimiento de la interconexión de usuarios a estas redes sociales y las similitudes que presentan estas redes con las del mundo real, suscitando mayor interés por parte de los investigadores a partir de este hecho.
El líder indiscutible en publicaciones científicas a nivel mundial es China, con el mayor número de artículos indexados y buena parte de las patentes disponibles sobre el tema. Los investigadores chinos, como Jiming Liu y Chen Guanrong, expertos mundiales cuyas redes de colaboración publican en conjunto la mayor parte de la literatura existente sobre el tema.
mayoría de los expertos locales sobre este tópico. Las principales áreas de investigación en redes complejas son modelamiento de epidemias, redes sociales, redes de internet, sistemas complejos como colonias, redes de transferencia de conocimiento y colaboración científica, y dinámicas sociales como la formación de opiniones.
Sin embargo, pese al carácter teórico de este campo, el análisis de patentes revela que se han encontrado aplicaciones de esta teoría en las telecomunicaciones. Estas aplicaciones son más prácticas y sencillas que el típico modelamiento de dinámicas sociales y promete optimizar servicios como la telefonía celular o internet, de manera que, siendo este un campo relativamente nuevo, es posible que todavía no se hayan encontrado todas las aplicaciones que puede tener la teoría de redes complejas.
La República de Corea, pese a no figurar como uno de los países líderes en investigación científica sobre redes complejas, se posiciona como el país con mayor número de patentes relacionadas con este tema en su haber. Ello se debe al hecho de que buen número de las patentes han sido solicitadas por empresas dedicadas a las telecomunicaciones, un negocio en el que Corea sí es líder a nivel mundial.
Agradecimientos
Agradecemos profunda y sinceramente a la ingeniera MSc. Lina María Niebles Anzola, por sus valiosos aportes para la elaboración del análisis de patentes de este trabajo. Al CIDET, por la posibilidad de uso del software para la realización de los ejercicios de vigilancia tecnológica, y por los conocimientos transferidos para adquirir capacidades para el desarrollo de la presente investigación.
Referencias
Asheim, B. T., & Coenen, L. (2005). Knowledge bases and regional innovation systems: Comparing Nordic clusters. Research Policy, 34(8), 1173–1190. doi:10.1016/j.respol.2005.03.013
Barabási, A.-L., & Albert, R. (1999). Emergence of scaling in random networks. Science, 286(5439), 509–512.
Breschi, S., Cassi, L., Malerba, F., & Vonortas, N. S. (2009). Networked research: European policy intervention in ICTs. Technology Analysis and Strategic Management, 21(7), 833–857.
Breschi, S., & Malerba, F. (2001). The geography of innovation and economic clustering: Some introductory notes. Industrial and Corporate Change, 10(4), 817–833.
Cooke, P. (2002). Regional innovation systems: General findings and some new evidence from biotechnology clusters. Journal of Technology Transfer, 27(1), 133–145.
Cornelia, S. (2008). Dynamics in innovation systems: Evidence from Japan’s game software industry.
Research Policy, 37(9), 1480–1491. doi:doi: 10.1016/j.respol.2008.05.007
Dehnen-Schmutz, K., Holdenrieder, O., Jeger, M. J., & Pautasso, M. (2010). Structural change in the international horticultural industry: Some implications for plant health. Scientia Horticulturae,
125(1), 1–15.
Di Matteo, T., Aste, T., & Gallegati, M. (2005). Innovation flow through social networks: Productivity distribution in France and Italy. European Physical Journal B, 47(3), 459–466.
Ji, G. (2010). Energy levels and co-evolution of product innovation in supply chain clusters. International Conference on E-Business Technology and Strategy, CETS 2010 (Vol. 113 CCIS). Ottawa, ON. Recuperado a partir de http://www.scopus.com/inward/record.url?eid=2-s2.0-78149236588&partnerID=40&md5=0255affd0f1307c1d526e70983e23a75
Technology, PICMET ’07 - Portland International Center for Management of Engineering and
Technology - Management of Converging Technologies (pp. 726–731). Portland, OR. Recuperado a partir de http://www.scopus.com/inward/record.url?eid=2-s2.0-47849124577&partnerID=40&md5=398d7475c72c3739a017b385de3af341
Newman, M. (2003). The Structure and Function of Complex Networks. SIAM Review, 45(2), 167–256 Newman, M. E. J. (2001). The structure of scientific collaboration networks. Proceedings of the
National Academy of Sciences of the United States of America, 98(2), 404–409.
Niosi, J. (2011). Complexity and path dependence in biotechnology innovation systems. Industrial and
Corporate Change, 20(6), 1795–1826.
Pellegrin, I., Balestro, M. V., Valle, J. A., & Dias, S. L. V. (2010). Dynamizing innovation systems through induced innovation networks: A conceptual framework and the case of the oil industry in Brazil. Journal of Technology Management and Innovation, 5(3), 15–35.
Peng, Y., Yang, Z., Xu, J., & Ming, F. (2011). A study on the cluster innovation based on weighted
knowledge network (Vol. 460–461).
Rodríguez-Pose, A., & Comptour, F. (2012). Do Clusters Generate Greater Innovation and Growth? An Analysis of European Regions. Professional Geographer, 64(2), 211–231.
Tilson, D., Sørensen, C., & Lyytinen, K. (2011). Change and control paradoxes in mobile infrastructure innovation: The Android and iOS mobile operating systems cases. Proceedings
of the Annual Hawaii International Conference on System Sciences (pp. 1324–1333).
Zheng, J. (2011). A new view on regional innovation system from degree distribution of complex
