Centralización

Para el estudio de redes completas dentro del ARS, un indicador que mide la diferencia entre los niveles de centralidad de los actores y que nos proporciona una idea de que existen nodos dominantes, es el nivel de centralización de la red (Freeman, 1979). Siendo que la centralización mide el grado en el cual un actor es dominante en la red, se pueden obtener diferentes medidas de centralización basadas en los tres indicadores de centralidad de los nodos (Freeman, 1979); sin embargo, para efectos del presente documento se hará énfasis solamente sobre la centralización de la red basada en la centralidad de grado. De esta forma, la centralización de una red puede ser entendida como el grado en el cual una red está dominada por un solo nodo (Borgatti et al., 2013). Para saber en qué grado una red está centralizada, se compara la red observada con una red que tenga

la máxima centralización posible; en este sentido, y desde la perspectiva de la centralidad de grado, una red estrella es la representación gráfica del índice de centralización máximo (100%, Figura 61a), pues todos los vínculos se centran en un solo nodo y no existen vínculos entre los demás actores (Borgatti et al., 2013; Freeman, 1979). Por supuesto, una red en donde todos los actores están vinculados entre sí, es decir, una red con densidad de 100% tendrá un índice de centralización de cero (Figura 61b), pues ningún actor es dominante.

Figura 61. Índice de centralización de la red.

a. Red estrella, Centralización 100%. b. Red densidad 100%, Centralización 0%.

Es importante enfatizar que los ejemplos de la figura anterior están basados en vínculos no dirigidos; sin embargo, es posible obtener índices de centralización relacionados con la centralidad tanto de grado de entrada como de grado de salida.

En este sentido, se obtendrán índices de centralización de entrada y de salida, respectivamente. Esto es importante, porque imagine una red de información, donde un nodo con alto grado de entrada signifique que es una fuente importante de información; por otra parte, un nodo con alto grado de salida signifique que es un actor que consigue información con diferentes actores. Entonces, un alto índice de centralización de la red basada en grados de entrada indicaría que hay uno o varios nodos que son importantes como fuente de información; si la centralización es baja, entonces quiere decir que no hay actores importantes que cumplan este rol. Por su parte, un alto índice de centralización de la red basada en grados de salida indicaría que hay uno o varios nodos que están buscando y consiguiendo información de varias fuentes; por el contrario, si el índice de centralización es bajo, indicaría que los actores de la red tienen pocos actores como fuente de información. Esto por supuesto, se puede trasladar a otros contextos. Por último, y considerando la explicación dada, estos indicadores de centralización de entrada y salida pueden verse como una medida de la desigualdad y varianza que tienen los actores en la red (Hanneman & Riddle, 2011), pues si la red observada

tiene varios componentes en forma de estrella (de entrada o salida), el índice de centralización entonces se incrementará y, por tanto, la varianza de la centralidad de grado también lo hará.

Para el cálculo de la centralización de la red en UCINET, se utiliza la ruta:

Network>Centrality and Power>Degree (Figura 62), nótese que se ocupa la primera opción “Degree”, no la segunda marcada como “_Degree (old)”. Posteriormente, se abrirá una ventana en la cual sólo se tiene que seleccionar el archivo a analizar en la opción “Input Network:”. Existen otras opciones configurables, como son: si la red es dirigida, no dirigida, o que se autodetecte; también, las salidas de los indicadores, si se toman en cuenta las automenciones, entre otras. En este punto, se sugiere dejar la configuración automática. Después de seleccionar el archivo de nuestro ejemplo y al presionar el botón “OK”, se obtiene una salida de resultados sobre el grado de salida y entrada de nuestra red, en este momento no nos detendremos a ver estos resultados porque se explican más adelante (sección 5.2.1), casi al final de la ventana aparecen los indicadores buscados, similares a los de la Figura 63.

Los indicadores obtenidos muestran que la red de nuestro ejemplo (ver Figura 58), está más centralizada en grados de salida (0.39 = 39.0%), que de entrada (0.28 = 28.0%). Es decir, en la red existe uno o más nodos que son dominantes en el establecimiento de vínculos de salida, el cual es el ER017. De la misma forma, se podría decir que existen cierto nivel de centralización de entrada, es decir, hay

Figura 62. Menú para el cálculo de la centralización de la red en UCINET.

nodos importantes por su grado de entrada, en la red estos se pueden visualizar como ER002, ER018 y ER010. Por último, como se ha observado, el indicador de centralización se muestra como una proporción y no como porcentaje (marcado en la salida de resultados, Figura 63), entonces el usuario deberá tener cuidado para multiplicarlo por 100, y así representarlo en porcentaje. La forma de presentar los resultados es la principal diferencia entre la opción “Degree” y “_Degree (old)”; si se escoge la segunda opción, los indicadores se muestran en porcentaje.

En UCINET se puede utilizar otro menú para la obtención de los tres indicadores vistos (densidad, grado promedio y centralización); de hecho, se obtendrían juntos en el mismo procedimiento. Adicionalmente, se obtienen otros indicadores, varios de éstos son considerados indicadores de cohesión de la red. Sin embargo, algunos no se abordaron a detalle y otros no se mencionaron, debido a que los indicadores explicados son básicos, y parte del objetivo del documento es ése precisamente. De esta forma, es posible que algunos usuarios se vean interesados en los otros indicadores; por lo tanto, la ruta que se utiliza para el análisis es:

Network>Cohesion>Multiple cohesion measures. Para una comprensión de algunos de los indicadores obtenidos por este último procedimiento se recomienda profundizar en literatura clásica del ARS (Hanneman & Riddle, 2011; Wasserman

& Faust, 1994).