Xarxes, informació i coneixement

Sovint els termesinformacióiconeixementes confonen i es fan servir de manera indistinta. Algunes vegades, tot i considerar-se coses diferents, s’utilitzen sense unes definicions clares que permetin distingir-los. Això moltes vegades genera confusió. Tot i que en aquest capítol no podem assolir el nivell de detall necessari per a tractar aquest problema a fons, sí que cal que definim breument el que entendrem aquí perinformaciói perconeixement.

Com a pas previ necessitarem definir el concepte dedada. Podem considerar les dades com a diferències discernibles en els estats del món que ens envolta. Qualsevol cosa que en sabem és a través d’aquestes diferències que percebem. Per exemple, el nivell de claror a l’exterior ens pot indicar si és de dia o de nit; l’alçària de la columna de mercuri del termòmetre ens pot dir la temperatura o el canvi de posició d’un cotxe en el temps ens pot donar idea de la seva velocitat.

D’aquestes dades que percebem, en podem obtenir informació. Constitueixen informació les regularitats significatives que observem a les dades. Els éssers humans, en ser capaços de percebre les dades, les diferències en els estats del món, podem veure-hi regularitats. Aquestes regularitats seran significatives quan ens permetin saber més sobre aquest món que ens envolta. En definitiva, quan ens aportin coneixement.

El coneixement consisteix en un conjunt d’expectatives que tenim sobre com és i com funciona el món que ens envolta i que ens permeten actuaren conseqüència. Inclou, doncs, tant el coneixement que posseïm de manera conscient com aquell que tenim de manera inconscient i que pren sovint la forma d’instints o intuïcions que no podem explicar. Tot aquest coneixement és el resultat del que anem aprenent al llarg de la nostra vida. I és precisament per mitjà de la informació que anem modificant la base de coneixement que tenim. Per exemple, la dada sobre l’alçària de la columna de mercuri del termòmetre ens dóna informació sobre la temperatura exterior abans de sortir de casa. Si la temperatura és baixa, hem incorporat a la nostra base de coneixement que “avui fa fred”. És a dir, hi hem incorporat l’expectativa que si sortim a fora experimentarem els efectes de la baixa temperatura. Com que, d’altra banda, a la nostra base de coneixement també hi hem incorporat de ben petits que si volem evitar aquests desagradables efectes del fred el que hem de fer és abrigar-nos, abans de sortir ens posarem l’abric.

Així, doncs, podem dir que la informació és una extracció de les dades que, modificant les expectatives d’un agent, té la capacitat d’actuar sobre la seva base de coneixement, tal com es mostra a la figura 3.1

Figura 3.1. Dades, informació i coneixement (Boisot i Canals 2004)

Parlem d’agents en general perquè, segons aquesta manera de definir-lo, el coneixement no és exclusiu dels éssers humans. Qualsevol agent capaç de percebre dades, extreure’n informació i aprofitar-la per a modificar les seves expectatives sobre l’entorn, podem dir que té coneixement. En aquesta categoria podem incloure des dels animals fins a alguns sistemes d’intel∙ligència artificial. Fins i tot, peranalogia, podem dir que les organitzacions també tenen una base de coneixement que utilitzen per a interpretar el seu entorn i actuar en conseqüència. En aquest capítol ens centrarem sobretot en les xarxes que tenen a veure amb la informació i el coneixement de persones i organitzacions.

Les xarxes socials es defineixen com aquelles que tenen com a vèrtexs persones –o com a molt grups de persones– i com a enllaços interaccions socials entre aquestes persones. Segons aquesta definició, algunes de les xarxes de les quals parlarem en aquest capítol es podrien considerar xarxes socials i d’altres no.

Tanmateix, com que bàsicament aquí parlarem de la informació i el coneixement que creen, utilitzen i intercanvien persones i organitzacions, les xarxes que tractarem que es cataloguen com a xarxes d’informació podem considerar que també tenen una certa qualitat de “socials”. Encara que en alguns casos no ho siguin pròpiament, responen a interaccions socials entre individus o organitzacions i, per tant, sovint són el reflex de xarxes realment socials subjacents.

Avui en dia, l’exemple de xarxa més conegut és sens dubte Internet. Tots els que esteu llegint això utilitzeu sovint aquesta xarxa per a treballar, per a estudiar, per a distreure-us, o segurament per a tot plegat.

Tal com hem vist anteriorment, però, Internet és una xarxa tecnològica força complexa, formada per ordinadors i encaminadors (routers) que estan units per cables i altres tipus de connexions. Per a la majoria de nosaltres, seria difícil poder interactuar directament amb aquesta xarxa tecnològica. Afortunadament, per sobre d’Internet hi ha una altra xarxa, el World Wide Web, una xarxa d’informació dirigida que ens facilita l’ús de la infraestructura tecnològica subjacent per al que ens interessa: emetre i rebre informació. Als vèrtexs d’aquesta xarxa hi ha el que anomenem pàgines web, que consisteixen en text, imatges o altre tipus d’informació; i les connexions són els hiperenllaços (hyperlinks) que ens permeten navegar d’una pàgina a l’altra.

El Web és, de fet, el resultat d’una aplicació informàtica que va desenvolupar entre els anys 1989 i 1991 un grup d’investigadors del CERN (Organització Europea per la Recerca Nuclear), encapçalat per Tim Berners-Lee, per permetre als usuaris compartir informació per Internet.

En aquell moment hi havia diverses idees competint per donar la solució a la necessitat de compartir informació a Internet. El World Wide Web va guanyar la batalla a causa de dos factors. El primer és la facilitat d’ús. Per a posar els documents a disposició pública només s’havien de convertir en pàgines web utilitzant un senzill llenguatge de programació i emmagatzemar-les en un lloc accessible d’un ordinador de la xarxa Internet. I perquè els usuaris hi tinguessin accés, es va desenvolupar un programa anomenat navegador que permetia connectar fàcilment amb aquestes pàgines web que estaven escampades pels espais públics dels ordinadors connectats a Internet. El segon factor és que les tecnologies en les quals es basava, l’HTML (llenguatge d’etiquetatge d’hipertext ohypertext markup language) utilitzat per a generar les pàgines web, i l’HTTP (protocol de transferència d’hipertext ohypertext transport protocol), utilitzat per a transmetre les pàgines per Internet, es van posar a l’abast de la comunitat de manera gratuïta.

A la Figura 3.2 es pot veure la xarxa de pàgines del lloc web d'una empresa, que constitueix una molt petita part del Web. Els vèrtexs representen les pàgines, que estan connectades mitjançant hiperenllaços representats per fletxes. Aquests enllaços són majoritàriament unidireccionals, però també n'hi ha alguns de bidireccionals, que representen els casos en els quals cada una de les dues pàgines conté un enllaç que apunta a l'altra, de manera que estan enllaçades mútuament. Els diversos colors dels nodes representen diferents tipus de pàgines.

Figura 3.2. La xarxa de les pàgines del lloc web d’una empresa. Els vèrtexs representen les pàgines web, que estan relacionades pels hiperenllaços. Els colors dels nodes representen diversos tipus de pàgines (la pàgina principal, pàgines de text, imatges, formularis, etc.).

Per a veure com es formen aquestes xarxes amb una mica més de detall, utilitzarem el model simplificat de la Figura 3.3, que representa el lloc web d’una institució imaginària: la Universitat Global. Com podem observar, en alguns punts concrets de les pàgines web hi ha hiperenllaços que els connecten amb altres pàgines mitjançant l’adreça URL incorporada al codi HTML. Aquestes connexions fan que sigui possible representar el lloc web com una xarxa en la qual els vèrtexs són les pàgines web i les connexions entre ells els hiperenllaços.

Figura 3.3. Una part del lloc web de la Universitat Global

Repassant els enllaços amb una mica d’atenció, podem veure que la xarxa corresponent al web de la Universitat Global tindria la forma representada a la figura 3.4

Figura 3.4. Xarxa formada pels enllaços entre les pàgines del lloc web de la Universitat Global

Observem que els enllaços entre les pagines web són direccionals. És a dir, que el fet que hi hagi un enllaç que des d’una pàgina apunti a una altra no vol dir necessàriament que des de la segona n’hi hagi un que apunti a la primera. De fet, en el nostre exemple això només passa en dos casos: entre la pàgina personal del professor Andreu Deuloféu i la del Departament de Sociologia de la Universitat Global, i entre l’esmentada pàgina personal i la pàgina de l’assignatura deXarxes socials. Aquesta és una característica que es dóna sovint a les xarxes d’informació.

Com a conseqüència d’això, l’estructura d’aquesta xarxa, com la de totes les xarxes del Web, és una mica més complexa que la d’altres xarxes en què els enllaços són bidireccionals. Efectivament, encara que tota la xarxa aparentment estigui connectada, no és possible anar de qualsevol punt a qualsevol altre si respectem la direccionalitat dels enllaços. Això sí que passa entre quatre pàgines: la pàgina personal del professor Deuloféu, la de la Facultat d’Informació i Comunicació, la del Departament de Sociologia i la de l’assignatura deXarxes socials. En canvi, si ens fixem en la pàgina d’inici veiem que no és accessible des de cap altra pàgina, però que des de la d’inici es pot anar a qualsevol pàgina. I mirant les pàgines dels departaments o del professorat, podem veure que només són accessibles des d’una pàgina, la principal, i que des de les pàgines dels departaments o del professorat es pot anar a qualsevol pàgina menys a la principal. D’altra banda, la pàgina de la bibliografia de l’assignaturaXarxes socialsésaccessible des de qualsevol altra pàgina, però des de la pàgina de bibliografia no es pot anar a cap més. Així, seguint aquesta diferenciació, podem dividir la xarxa en com a mínim tres components diferents. El primer és el del conjunt dels nodes que són tots accessibles entre ells. És el que s’anomenacomponent fortament connectati en el nostre cas està format pels vèrtexs de color blau. El segon component consta dels vèrtexs que no són del component fortament connectat, però des dels quals s’hi pot accedir, anomenatcomponent INi representat en el nostre cas pels nodes verds. Finalment, l’anomenatcomponent OUTel formen els nodes als quals es pot accedir des del component fortament connectat però que no en formen part, representat pel node vermell en el nostre cas.

Evidentment, el World Wide Web és molt més gran que el nostre petit exemple, però en línies generals segueix aquest tipus d’estructura. La Figura 3.5 és una representació de l’aspecte que tenia la xarxa global del WWW ja el gener del 2005.

Tot i que és molt difícil determinar amb certesa el conjunt de totes les pàgines web existents i els enllaços entre elles, hi ha sistemes que ens permeten aproximar-nos-hi. Els programes informàtics agents oweb crawlers(també coneguts amb els noms d’ants, web spiders, web robots, botsoindexadors) es poden programar perquè vagin rastrejant automàticament el Web i emmagatzemin informació sobre les pàgines que van trobant i els enllaços continguts en aquestes pàgines. Aquesta tecnologia és la que ens permet, per una banda, conèixer l’estructura del Web (o, més ben dit, de la part del Web que l’agent ha pogut rastrejar) i, per l’altra, tenir sistemes eficients de cerca d’informació al Web, tal com veurem en l’apartat següent.

Figura 3.5. El World Wide Web. Representació de la xarxa formada pels llocs web que es relacionen per mitjà d’hiperenllaços. Les dades són del gener de 2005. Els colors representen diferents tipus de llocs web (.com, .net, .org, .cat, .org, etc.).

Font: http://www.opte.org llicència Creative Commons.

Tot i que els detalls tècnics poden arribar a ser complexos, el principi general del funcionament d’un agent ocrawlerés força senzill. Utilitzarem l’exemple de la Figura 3.3 per a veure com podria funcionar un agent per obtenir la informació sobre la xarxa. Al començament, l’agent es direccionaria cap a una pàgina web determinada, per exemple la pàgina principal (http://www.uglobal.edu/index.html). Un cop a la pàgina, emmagatzemaria la URL corresponent i aniria recorrent tot el text emmagatzemant també els elements que el programador hagi considerat interessants. Per exemple, anar registrant totes les URL que vagi trobant li permetrà tenir una llista de les altres pàgines web a les quals s’enllaça la pàgina principal i, al mateix temps, obtenir noves URL per poder anar a visitar un cop rastrejada la pàgina principal. L’agent també podria anar emmagatzemant tot el text de la pàgina, informació que podria servir per a alimentar un cercador. Després de recórrer tota la pàgina principal, l’agent aniria a la llista de les URL emmagatzemades, en prendria una qualsevol (per exemple, http://www.uglobal.edu/facultats.html) i tornaria a començar el procés. D’aquesta manera, aniria recollint tota la informació sobre pàgines i enllaços que permetria confeccionar el mapa de la xarxa de la figura 3.3. Notem, però, que si en comptes de començar per la pàgina principal hagués començat per la pàgina de les facultats, el nostre agent no hauria pogut arribar mai a la pàgina principal a causa de la direccionalitat dels enllaços, i per tant aquesta pàgina no seria registrada. Aquest és el principal condicionant que fa que no pugem assegurar mai que la informació recollida pels agents sobre el Web sigui completa. Però hi ha altres factors que restringeixen també l’actuació dels agents, com és ara que hi ha servidors que no els deixen accedir a les seves pàgines o que, òbviament, no poden accedir a les pàgines dinàmiques.

Hem vist que el que caracteritza les xarxes d’informació com el Web és precisament que els nodes contenen informació que es pot transferir pels enllaços. Aquesta informació pot ser molt útil a les persones i a les institucions que tenen accés a la xarxa si saben on anar a buscar-la. Però no és fàcil saberquina informació conté la xarxa i a quin node anar-la a cercar. Per això s’han desenvolupat sistemes que faciliten el procés de cerca anomenats motors de cerca o cercadors. En aquest apartat veurem en què es basen els sistemes de cerca d’informació al Web i com aprofiten l’estructura de la xarxa per a optimitzar l’eficàcia i l’eficiència del procés.

El procés de cerca al Web es desenvolupa normalment en dues fases. La primera consisteix a utilitzar agents com els que hem descrit en l’apartat anterior per a rastrejar el Web. Durant aquesta fase, l’agent o agents van recorrent totes les pàgines que troben per enregistrar-ne el contingut i anar-ne creant un índex anotat. Aquest índex pot contenir llistes de les paraules que apareixen a cada pàgina, el lloc i la freqüència amb què hi apareixen i també estimacions de la importància de les pàgines basades en diversos criteris. Llavors aquest índex es deixa emmagatzemat i preparat per a poder-hi accedir en la segona fase del procés de cerca, que és la cerca pròpiament dita. Aquesta fase comença quan un usuari envia una petició de cerca al motor. Llavors el cercador utilitza l’índex creat anteriorment per a localitzar les pàgines que més s’adeqüen a la petició.

Tant en la fase de rastreig com en la de cerca, els motors de cerca poden utilitzar l’estructura de xarxa del Web (que han pogut anar recollint a partir de les URL dels enllaços que apareixen a les pàgines tal com hem vist en l’apartat anterior) per a optimitzar els processos. En la fase de rastreig, per exemple, s’utilitzen algorismes derivats de la teoria de xarxes per a guanyar en eficiència i es fan servir altres estratègies que tenen en compte les característiques de la xarxa, com és ara repartir motors diferents per diverses parts del Web que vagin treballant en paral∙lel.

En la fase de cerca els primers cercadors es basaven només en la informació recollida en els índexs. Així, en rebre la petició de cerca amb una paraula, el cercador podia determinar el conjunt de pàgines en què apareixia. Si en la petició hi havia més d’una paraula, podia fer la llista de les pàgines en què apareixien totes dues. Per tal de prioritzar la llista en funció de la rellevància per a l’usuari, es podia basar en el nombre de vegades que apareixien les paraules en cada pàgina. Fins i tot podia emprar criteris una mica més elaborats, com per exemple si les paraules apareixien en els encapçalaments de la pàgina o, en el cas de peticions de diverses paraules, si aquestes apareixien en les pàgines en posicions properes. Tot i així, els motors de cerca que només es basaven en la informació recollida en els índexs i els criteris sobre el text no obtenien resultats gaire satisfactoris, i van ser superats per cercadors de nova generació com Google, més sofisticats, que incorporaven altres criteris com el coneixement del’estructura de la xarxa.

Els cercadors moderns encara utilitzen els índexs, però només com a primer pas del procés de cerca. Amb la informació recollida en els índexs, determinen un conjunt de pàgines que potencialment podrien ser rellevants per a l’usuari que fa la petició. Aquest conjunt es mira que sigui ben ampli, de manera que contingui la major part de les pàgines que puguin ser d’interès, encara que moltes siguin irrellevants. Així, pot incloure no tan sols les pàgines que contenen les paraules de la petició de cerca, sinó també les pàgines que estan enllaçades amb aquestes. La idea és que aquest conjunt inicial de pàgines es vagi afinant successivament amb l’aplicació de diversos criteris addicionals, alguns dels quals es fonamenten en la topologia de la xarxa.

Aquests criteris poden variar segons el motor de cerca, i les empreses que hi ha al darrere miren d’anar-los millorant contínuament i mantenir-los en secret en la mesura del possible. Se sap que en el cas de Google, un dels criteris més importants que fa servir és la mesura de centralitat de la xarxa anomenada PageRank (veure capítol 1). Així, un dels factors que determinen el grau de rellevància d’una pàgina depèn del nombre d’enllaços que hi van a parar, però també del nombre d’enllaços que van a parar a les pàgines que hi enllacen. Aquest, però, és només un dels components de la fórmula total que fa servir Google per a determinar el grau de rellevància i que serveix per a ordenar el resultat final de la cerca. Alguns d’aquests altres components poden estar basats en criteris més tradicionals com l’aparició de les paraules de la petició de cerca, la freqüència i la posició amb què apareixen, i d’altres en l’històric de cerques de l’usuari, prioritzant per exemple les pàgines que han estat seleccionades en cerques anteriors.

Com es pot veure, de tots els criteris que utilitzen els cercadors, n’hi ha uns quants que depenen de la petició concreta de cerca que fa l’usuari introduint unes paraules específiques a l’equació de cerca, però n’hi ha d’altres que només depenen de l’estructura d’enllaços de la xarxa. Com que aquesta darrera es coneix a partir de la informació recollida pels agents, els càlculs corresponents al segon tipus de criteris es poden tenir fets per endavant, la qual cosa permet un estalvi de temps considerable en obtenir els resultats finals per part del cercador.

Tal com hem vist als apartats anteriors, el World Wide Web és potser el cas més rellevant del que anomenemxarxes d’informació.Tanmateix, no n’és de cap manera l’únic exemple. És més, fins i tot trobem altres xarxes d’informació que utilitzen com a base l’infraestructura d’Internet i del Web però que tenenles seves pròpies característiques. En aquest apartat en veurem algunes.

Les xarxes d’igual a igual opeer-to-peer(P2P) han esdevingut força populars en els darrers anys com a mètode per a compartir fitxers entre usuaris d’Internet. En una xarxa d’igual a igual els nodes són els ordinadors dels diversos usuaris, que poden contenir informació en forma de diversos tipus de fitxers, i les connexions entre ells són enllaços virtuals que s’estableixen amb l’objectiu de poder compartir la informació dels fitxers. Aquestes xarxes es fan servir per a compartir per Internet, de vegades de manera il∙legal, diversos tipus de continguts com és ara música, pel∙lícules o jocs.

La característica diferencial de les xarxes P2P és que la informació en forma de fitxers es transmet entre usuaris finals de la xarxa (“iguals” opeers) sense que calgui la intervenció de cap servidor, tal com passa a l’estructura WWW. La Figura 3.6 mostra la diferència entre una estructura de xarxa d’igual a igual i la tradicional client-servidor on la informació és subministrada als usuaris per un servidor. En una xarxa d’igual a igual cadascun dels nodes té part de la informació, però no n’hi ha cap que la tingui tota. La transmissió d’informació es fa sempre entre dos usuaris finals de la xarxa. El fet que no hi hagi servidors facilita la distribució il∙legal d’informació perquè no hi ha servidors que les autoritats puguin obligar a tancar.

Figura 3.6: Xarxes client-servidor i d’igual a igual

El problema principal d’una xarxa d’aquest tipus és com esbrinar quin node de la xarxa conté la informació que es busca. Al principi això es va solucionar mitjançant una mena de servidors que contenien índexs de què hi havia a cada ordinador membre de la xarxa. Aquesta és la tecnologia que utilitzavala xarxa de compartició de fitxersNapster(avui dia reconvertida en un simple web de venda de música en línia). Evidentment, però, aquest sistema era fàcil de controlar per les autoritats simplement intervenint els ordinadors on hi havia els índexs. Per això es van idear sistemes més sofisticats que utilitzaven l’estructura de la xarxa com els que implementenGnutellaoBitTorrent. El més simple consisteix en el fet que el node des del qual es busca un fitxer “pregunti” als nodes amb què està connectat virtualment a la xarxa P2P. Si un d’ells té el contingut que es busca, es transfereix. Si no, aquests nodes veïns de l’inicial, pregunten al seu torn als seus veïns, i així successivament fins que la informació es localitza i el fitxer es pot transferir. Aquest algorisme de cerca, però, presenta alguns problemes tècnics quan es vol utilitzar en xarxes grans i per això s’han ideat estratègies més sofisticades que aprofiten la idea de “hubs” (nodes altament connectats) a les xarxes lliures d’escala presentades al primer capítol d’aquest llibre. La idea és llançar les cerques primer a la xarxa formada pelshubsi d’aquests anar als altres nodes, cosa que permet trobar el fitxer desitjat més eficientment.

Una altra mena de xarxes d’informació que podem trobar al Web són lesxarxes de recomanació. Molts de nosaltres hem experimentat com en alguns webs de comerç electrònic se’ns recomanen productes que, curiosament, trobem prou interessants, i sovint acabem comprant. Aquests sistemes utilitzen les xarxes de recomanació.

Una xarxa de recomanació és una xarxa bipartida, en la qual un tipus de nodes representa els productes i l’altre tipus les persones. Els enllaços connecten una persona amb un producte que ha adquirit o bé que ha manifestat d’alguna manera que li agrada. La Figura 3.7 mostra una possible xarxa de recomanació d’un web de venda de llibres com és ara llibres.cat o Amazon.com.

Els anomenatssistemes de filtratge col∙laboratiuo bésistemes de recomanaciósón algorismes que, a partir de la informació continguda en aquestes xarxes, poden utilitzar els llocs web comercials per a fer recomanacions als clients. Podem veure la idea general de com funcionen utilitzant l’exemple de la figura 3.7, que representa una part de la xarxa de recomanació d’una botiga en línia de venda de llibres. A la xarxa bipartida hi ha uns nodes que representen clients i uns altres que corresponen a llibres que formen part de l’oferta del lloc web. Cada client està enllaçat amb els llibres que ha comprat. Si ens fixem en els llibres comprats per l’Ariadna, veiem que en comparteix tres amb en Biel. Això pot voler dir que tenen alguns interessos comuns, i que algun dels altres llibres que ha comprat en Biel poden interessar a l’Ariadna, i viceversa. Si a més en Cesc comparteix també tres llibres comprats amb en Biel, i que un dels altresque ha adquirit,Game of Thrones, també el té l’Ariadna, encara és més probable que a en Cesc li interessi. Aquest tipus de lògica és el que els algorismes dels sistemes de filtratge col∙laboratiu apliquen a la xarxa que construeixen amb les dades de les seves vendes, i d’on surten les recomanacions que rebem.

Figura 3.7. Xarxa de recomanació d’una llibreria en línia

Un altre cas interessant de xarxes d’informació a Internet és el de lesxarxes de mitjans socialscom els blogs o bé els microblogs com el Twitter. En aquestes xarxes els nodes són els mitjans socials i les connexions són els enllaços que es fan de l’un a l’altre. Analitzar aquestes xarxes permet veure clarament com són i com evolucionen les posicions dels mitjans socials en funció de les relacions que ells mateixos estableixen. Això és especialment interessant en àmbits específics com el polític.

Un altre tipus de mitjans socials que té estructura de xarxa d’informació són els wikis. Cada entrada de la Wikipedia, per exemple, té enllaços a altres entrades que es poden rastrejar amb programes agent per a poder conèixer quina estructura de xarxa formen. Darrerament, s’estan fent estudis fins i tot sobre la xarxa bipartida que formen els usuaris que participen en l’elaboració de la Wikipedia i les entrades a les quals contribueixen.

Finalment, no cal dir que actualment són especialment importants al Web les xarxes que s’estableixen entre els espais dels usuaris als llocs web de xarxes socials osocial networking sites(SNS) com Facebook o LinkedIn, tal com ja s’ha vist anteriorment. Són xarxes d’informació perquè els nodes que s’hi enllacen són, de fet, pàgines web, però també són la representació en línia de les xarxes socials entre les persones.

Tradicionalment, l’estudi de la difusió social de la innovació s’ha fet prenent com a referència un grup social determinat que es veu exposat a una nova idea o un nou producte i veient com la innovació la van adoptant els membres del grup i quins factor hi poden influir. Sempre, però, considerant el grup com un conjunt d’individus i sense atendre les relacions específiques entre ells. Resumirem aquí algunes de les conclusions més rellevants dels estudis fundacionals d’aquest tema.

Un dels aspectes fonamentals de la teoria de la difusió de la innovació és que no totes les persones reaccionen igual davant d’una innovació, encara que els possibles beneficis que en comportaria l’adopció siguin iguals per a tothom. Així, hi ha individus que de seguida volen provar coses noves, i d’altres que hi són molt refractaris i no decideixen adoptar la innovació fins que ja gairebé tothom ho ha fet, i sovint perquè no tenen cap altre remei. Aquesta actitud està determinada per les característiques psicològiques de cada persona, ja que cadascú té un nivell diferent de tolerància a la incertesa i el risc que representa adoptar la innovació o a la pressió social del grup quan aquest majoritàriament ha decidit adoptar-la o no adoptar-la.

Rogers (2003) distingeix entre cinc grans categories d’individus pel que fa a l’actitud davant de les innovacions: innovadors, primers seguidors, majoria primerenca, majoria tardana i ressagats. Aquesta actitud influeix en el moment de l’adopció, de manera que els individus s’hi van incorporant al llarg del temps en un moment o altre depenent del grup al qual pertanyen. A la Figura 3.8 es pot veure la distribució d’aquests grups en la població seguint una distribució normal (línia vermella) i el percentatge de la difusió que s’assoleix quan cada grup va adoptant la innovació al llarg del temps (línia blava), suposant que tothom l’acabi adoptant i no hi hagi ningú que es tiri enrere i descarti la innovació després de provar-la.

Figura 3.8: La difusió de les innovacions segons Rogers (2003).

La línia contínua representa la distribució dels individus en categories pel que fa a l’adopció i la línia discontínua el percentatge de la població total que ha adoptat en el temps a mesura que les diferents categories s’hi van incorporant (en el supòsit que ningú no desfà l’adopció i tota la població l’acaba adoptant).

El ritme d’adopció és la velocitat relativa amb la qual els membres del grup social adopten la innovació. Se sol mesurar amb el temps que un cert percentatge del grup social triga a haver adoptat la innovació i depèn de la naturalesa de la innovació, de les característiques dels individus i del mecanisme d’adopció. Es diu que el procés d’adopció ha assolit la massa crítica quan ha arribat a un percentatge de difusió determinat a partir del qual la difusió continuarà fins a arribar a tota la població.

Un dels mecanismes proposats per explicar com es produeix la difusió es basa en el concepte de llindar d’adopció. La idea és que cada individu decideix adoptar la innovació quan el nivell de difusió en tot el grup arriba a un punt determinat. Aquest punt és diferent per a cada persona i depèn de les seves característiques psicològiques i de la utilitat (sobre la base del balanç cost-benefici) que té per a ella adoptar la innovació. Així, els innovadors serien els que tenen el llindar més baix, i els ressagats els que per a adoptar la innovació necessiten que ja estigui difosa a gairebé tota la població. El llindar de cada individu no és fix, sinó que es pot anar modificant amb el temps a causa,per exemple, de l’accés a informació addicional sobre la innovació o bé per la influència dels mitjans de comunicació o de líders d’opinió.

Analitzant aquests mecanismes, és clar que l’entorn social té un paper molt important en la difusió de la innovació i també de tot tipus de coneixement. Això fa pensar que té sentit incorporar a la teoria la consideració de l’estructura social concreta que envolta cada individu, és a dir, de la xarxa social. Als apartats següents veurem com la xarxa social influeix tant en la difusió d’informació com en la decisió d’adopció de les innovacions o la incorporació de nou coneixement.^[5]

Hem vist que als models tradicionals s’assumia que cada individu prenia decisions en funció d’estats generals del sistema, com per exemple el percentatge d’adopció total del grup, la qual cosa només seria possible si aquest individu tingués informació sobre l’estat de tots els altres. Això en realitat no és així. Cadascun de nosaltres només interacciona amb un grup més o menys limitat de persones, i la informació que tenim ens arriba a través d’aquests contactes, tant sobre ells mateixos com sobre d’altres amb els quals ells tenen contacte directe o indirecte. És evident, doncs, que qualsevol model de difusió d’informació o de coneixement que vulgui ser una mica realista haurà de tenir en compte l’estructura de les xarxes socials on cada individu està immers.

Un dels models més senzills que podem utilitzar per a descriure la difusió d’informació en xarxes és l’anomenatmodelSIen la versió en xarxa. Aquest model també prové de l’epidemiologia, ja que de fet la transmissió d’informació entre persones té una dinàmica força similar a la transmissió de malalties contagioses. Considerem un grup social determinat i la xarxa social que formen on dos individus estan connectats si interaccionen amb una determinada freqüència. Suposem que quan un individu té una determinada informació (tant si és certa com un simple rumor), al cap del dia (o de la unitat de temps que vulguem considerar) la transmet amb una probabilitat donada a cadascun dels seus veïns a la xarxa. Un cop un dels veïns ha rebut la informació, aquest segueix el mateix procediment amb els seus, i així successivament. Els nodes de la xarxa poden estar en dos estats diferents: sense tenir la informació o tenint-la. Un cop tenen la informació, encara que se’ls transmeti altra vegada ja no els afectarà i continuaran en el segon estat. Amb el temps, la informació es va estenent per tota la xarxa si està connectada, o bé per tot el component al qual hi havia el primer node que obté la informació. Evidentment, aquest model és aplicable tant a les xarxes socials tradicionals com a les associades als SNS.

Un cop hem vist la dinàmica d’aquest model senzill, podem aprofundir en alguns aspectes interessants del procés. Per exemple, com que per a difondre’s a tota la població una informació ha d’anar del node inicial a tots els altres per camins formats per les connexions de la xarxa, podem deduir que aconseguir-ho serà molt més fàcil en “mons petits” o xarxes en les quals la distància mitjana entre els nodes sigui petita.

D’altra banda, sabem que obtenir o difondre una informació ràpidament pot donar avantatges individuals considerables en activitats econòmiques o en altres aspectes de la vida. Podem preguntar-nos, doncs, si hi ha individus privilegiats a causa de la posició que tenen a la xarxa social. Sembla, per exemple, que la centralitat ha de ser important. Per a veure-ho, farem servir la figura 3.9, on reproduïm els gràfics utilitzats al capítol 1 per a veure els valors dels diversos tipus de centralitat per a una xarxa d’exemple.

Figura 3.9. Representació de la xarxa amb colors de nodes segons el grau de centralitat que tenen: grau, closeness, betweenness, eigenvector i Page Rank. Els colors més clars corresponen a valors numèrics més baixos i els més foscos a valors més alts.

Els nodes amb grau més alt, per exemple, en tenir un nombre més gran d’enllaços, estan en condicions de rebre –o emetre, si escau– informació per més vies, i per tant, rebre’n més o rebre-la més aviat. Una situació similar, o fins i tot més acusada, és la dels nodes amb valorseigenvector centralityoPageRank centralitymés alts, ja que en aquests casos no tan sols el node en qüestió témés enllaços, sinó que els seus veïns també. Els individus ambcloseness centralityalta són més “a la vora de tota la xarxa”. Per tant, podem pensar que una informació que surti de qualsevol punt de la xarxa hi arribarà relativament de pressa. Valors alts debetweenness centralityfan més probable que qualsevol informació que viatgi per la xarxa hagi de passar pels nodes que els tenen, i per tant els individus que ocupen aquests nodes probablement obtindran molta informació, i també tindran la possibilitat d’impedir que els altres la rebin si decideixen no transmetre-la. Però això darrer ja va més enllà del senzill model que hem descrit aquí, i comença a tenir relació amb el coneixement que la informació pot transmetre.

A l’apartat anterior hem vist un senzill model de com es pot difondre la informació per mitjà d’una xarxa social. Ara bé, si el que volem és entendre com es transmet el coneixement o com es difonen les idees, els comportaments o les normes socials, cal que els models incorporin una mica més de complexitat. Perquè es difongui coneixement no n’hi ha prou que es transmeti la informació. Cal que el receptor modifiqui la base de coneixement que té (entès en sentit ampli, com l’hem definit a la primera secció d’aquest capítol) sobre la base de la informació rebuda, la qual cosa farà que canviï, poc o molt, la manera d’interpretar la realitat que l’envolta i, com a conseqüència, el comportament. A continuació veurem alguns dels aspectes importants que hem de tenir en compte si volem entendre aquests processos.

Hem vist anteriorment que a la teoria tradicional de difusió d’innovacions no n’hi havia prou que arribés informació sobre una innovació a un individu perquè aquest decidís adoptar-la. Que això passés depenia de la utilitat que hi percebia el possible adoptant i de la psicologia de l’individu, però també del grau de penetració de la innovació en el grup. Tot això s’incorporava a l’explicació del mecanisme de difusió basada en un llindar d’adopció dels individus. Aquesta idea de llindar es pot traslladar als models de difusió en xarxa d’una manera molt més realista.

A l’hora de decidir, per exemple, donar per bona una informació que rebem, incorporar-la al nostre coneixement i modificar el nostre comportament en conseqüència, normalment no tenim informació sobre si ho han fet o no els diferents membres del nostre grup social. Però sí que solem conèixer el que han fet els individus amb els quals tenim més contacte, els nostresveïns a la xarxa social. Per això té sentit pensar en un mecanisme en el qualel llindar que fa que passem a donar per bona una informació o adoptar un comportament sigui respecte dels nostres contactes directes. La Figura 3.10 representa un exemple d’una xarxa social en la qual s’està difonent una informació que pot canviar el coneixement dels seus integrants. Quan això passa, els nodes corresponents passen de color vermell a color verd. Ens focalitzem en l’individu representat pel node central i representem només la seva part de la xarxa social (ell, els seus veïns i els enllaços als veïns dels seus veïns). Aquest individu suposem que té un llindar del 50%. És a dir, incorporarà la informació quan ho hagin fet la meitat o més dels seus veïns a la xarxa. A mesura que passa el temps i que els nodes van canviant de color, arriba un moment en el qual tres dels cinc veïns del node focal ja són de color verd, i això fa que al període següent ell també canviï de color.

Figura 3.10. Difusió de coneixement segons un llindar.

El node central incorpora la informació a la seva base de coneixement després que 3 dels seus 5 veïns ho han fet, ja que té un llindar del 50%.

Una altra consideració important que cal fer quan estem parlant de difusió de coneixement és la complexitat del procés. Tenint en compte el que hem vist a la primera secció d’aquest capítol sobre la relació entre dades, informació i coneixement, el coneixement com a tal no es pot transferir directament. El que passa és que un agent que posseeix un determinat coneixement i el vol transmetre, el codifica d’alguna manera i genera una informació que, mitjançant un substrat físic de dades, podrà transmetre a un altre agent. Aquest segon agent després haurà de descodificar aquesta informació rebuda per tal d’incorporar coneixement a la seva base. És a dir, que un individu a partir del seu coneixement genera informació perquè un altre la utilitzi per a generar-se nou coneixement, tot amb l’objectiu que el nou coneixement generat pel segon individu serveixi per al mateix que servia el del primer. Per això, simplificant, diem que s’ha transferit el coneixement, encara que probablement les estructures mentals que emmagatzemen el coneixement en qüestió en un ialtre individu poden ser molt diferents.

En el nostre model de difusió d’informació en xarxa, que es fes efectiva la transmissió era simplement una qüestió aleatòria, com si es tractés d’encomanar-se un refredat en entrar en contacte amb el virus. Quan modelitzem la difusió de coneixement, hem de tenir en compte que el node de la xarxa que vol emetre el coneixement ha de ser capaç de codificar la informació corresponent d’una manera que el receptor la pugui descodificar. Això, evidentment, dependrà de la base de coneixement total prèvia de tots dos. Per exemple, la informació continguda en un article escrit per un especialista en física quàntica només podrà ser descodificada per un altre físic amb prou coneixements per a entendre’l; o bé, per a poder entendre la major part de les obres d’art del renaixement italià cal tenir un cert coneixement de la religió catòlica. A les xarxes dels mitjans socials això també s’experimenta sovint. La majoria de nosaltres, per exemple, hem rebut alguna piulada de Twitter que no entenem de res encara que sapiguem llegir-ne les paraules. Ens falta el coneixement del context que comparteixen els “iniciats” en el tema en qüestió.

Alguns models de difusió del coneixement en xarxa incorporen això suposant que cada individu de la xarxa té una certa base de coneixement, que no cal que s’especifiqui. El que sí que cal especificar és una “distància” entre el coneixement d’aquests individus. Aquesta distància seria molt petita entre dos economistes nascuts a Nova York i educats a Harvard, i seria molt gran entre un d’aquests economistes i un lama tibetà. Llavors la probabilitat de transferir coneixement entre dos nodes serà inversament proporcional a la distància entre els seus coneixements. Si aquesta distància entre un node i algun dels seus veïns és molt gran, pot ser que tot i superar el llindar pel que fa al nombre de veïns que tinguin un determinat coneixement, aquest no se li acabi transferint perquè malgrat que la informació des del veí distant li arriba, no és capaç de descodificar-la i detectar que efectivament ha superat el llindar.

En la societat moderna el contacte directe amb la nostra xarxa social no és l’única manera de transmetre coneixement. Els mitjans de comunicació i la difusió mitjançant publicacions escrites i Internet té un paper molt important. Podem incorporar també aquests efectes al nostre model. Podem recuperar, per exemple, el concepte demassa críticai considerar que, quan un cert coneixement està difós a la població més enllà d’un determinat nivell, la massa crítica, es difon a tots els individus que encara no el tenien mitjançant, per exemple, els mitjans de comunicació. Tot això, independentment de la transmissió directa mitjançant els enllaços de la xarxa social. D’altra banda, podem considerar que hi ha un segon “efecte llindar” que pren com a referència no els veïns directes a la xarxa, sinó els líders d’opinió del grup social. Així, si un determinat percentatge dels líders d’opinió tenen un coneixement, podem suposar que es difon, per exemple, mitjançant publicacions o per Internet. Qui són els líders d’opinió? Doncs una bona aproximació al nostre model podria ser considerar que són els nodes de la xarxa amb grau més elevat. Recordem que en la discussió sobre hubs i autoritats del capítol 1, els nodes amb centralitat molt elevada tenen un paper molt important a les xarxes lliures d’escala, com solen ser les xarxes socials.

Globalment, la difusió de coneixement (és a dir, d’idees, valors, etc.) té efectes importants en el comportament dels individus que formen la societat. Anomeneminfluència sociall’efecte pel qual els pensaments, els sentiments o les accions d’un individu es veuen afectats per altres individus. Aquest fenomen té l’arrel en les necessitats psicològiques dels humans de complir les expectatives dels altres. Això inclou la necessitat de tenir raó (influència social informacional) i la d’agradar als altres (influència social normativa).

Evidentment, la influència social sobre un individu la poden exercir amb més força, d’entre tots els seusalteri, aquells que per a ell són més importants. Això inclou tots aquells que tenen un cert prestigi social, però també, i especialment, aquells amb els quals interacciona més sovint, és a dir, els que té més a prop dins de la xarxa social. És lògic, doncs, que l’estructura de la xarxa social tingui un paper en com es produeix la influència social. Aquí ens centrarem en aquest aspecte.

Un dels tipus de coneixement (com sempre, en el sentit ampli apuntat anteriorment) que sembla més propens a difondre’s per les xarxes socials són les opinions. Els exemples d’algunes opinions que de cop i volta prenen una inusitada popularitat a la xarxa de Facebook com a “m’agrada” o “no m’agrada”, o a la de Twitter com atrending topicssemblen donar suport a aquesta idea. De fet, s’han elaborat teories de difusió d’opinió a les xarxes socials amb models semblants als que hem descrit a la secció anterior que prediuen resultats força ajustats al que passa a la realitat. Per exemple, es veu que diverses opinions poden coexistir en el temps a la xarxa social i que normalment les opinions es localitzen a zones concretes de la xarxa. D’altra banda, les opinions poden canviar amb una certa facilitat i es confirma la influència en la formació d’opinió dels individus amb alt grau de connectivitat, que sembla que actuen com a líders d’opinió.

Nicholas Christakis i James Fowler, investigadors de la Universitat de Harvard i de la Universitat de Califòrnia San Diego respectivament, van dur a terme una sèrie d’estudis empírics amb diversos grups de persones sobre els quals tenien informació relativa a les xarxes socials que formaven i a una sèrie d’altres característiques individuals per a mirar d’estudiar la influència social per mitjà de les xarxes. Van arribar a la conclusió que les xarxes socials “transmeten” inclús estats i comportaments com l’obesitat, l’hàbit de fumar, el consum d’alcohol i fins i tot la felicitat. I no tan sols a una distància d’un enllaç, sinó a distàncies de fins i tot tres enllaços. És a dir, que una persona té una probabilitat més alta de, per exemple, ser obesa no solament si els seus veïns a la xarxa social són obesos, sinó també si la majoria dels veïns dels seus veïns ho són, encara que els veïns directes no ho siguin.

Aquests resultats s’han presentat algunes vegades amb enunciats del tipus “l’obesitat s’encomana per mitjà de la xarxa social”, la qual cosa sembla com a mínim poc rigorosa. Però sí que és veritat que les dades suggereixen clarament que per la xarxa social es transmet alguna cosa que provoca aquest efecte. Sembla difícil que sigui un “virus de l’alcoholisme” o un “elixir de la felicitat”. Però probablement sí que els comportaments, les emocions, els valors, etc. que observem al nostre entorn ens afecten en la nostra base de coneixement i, per tant, modifiquen també el nostre comportament.

En aquesta secció hem vist com l’estructura de la xarxa social té una incidència en els processos de difusió del coneixement i d’influència social. Notem, però, que aquests processos poden també, al seu torn, modificar l’estructura de la xarxa social. Si mitjançant els enllaços de la xarxa ens arriben noves idees polítiques o religioses, per exemple, i nosaltres les fem nostres, és molt possible que comencem a relacionar-nos més sovint amb gent que comparteixi les mateixes idees i, per tant, la nostra xarxa social canviï. De fet, podem dir que el coneixement i la xarxa social actuen simultàniament l’un sobre l’altra i això els fa canviar alhora. Diem que coevolucionen.

Utilitzant una coneguda metàfora del filòsof Bernard de Chartres, el famós físic i matemàtic Isaac Newton va comparar els científics a “nans enfilats a les espatlles de gegants”. Era la seva manera de dir que qualsevol avenç que faci un científic es recolza en el treball de tots aquells que l’han precedit. Aquesta naturalesa acumulativa de la ciència es reflecteix perfectament en el sistema de citacions de les publicacions científiques.

La major part dels articles científics tenen un apartat de bibliografia al final on citen una sèrie d’articles anteriors. El fet que un article aparegui a la bibliografia significa normalment que el contingut és rellevant per a l’article que el cita, o bé perquè exposa resultats anteriors en els quals es fonamenta, perquè n’ha extret informació d’alguna mena, perquè ha influït en el treball, o fins i tot perquè hi és criticat.

A partir de les citacions és possible construir una xarxa, en la qual els nodes són els articles i els enllaços, dirigits, van d’un article que cita a l’article citat. A la Figura 3.11 es pot veure un exemple dexarxa de citacionsen l’àmbit de les ciències de la salut.

Figura 3.11: Xarxa de citacions de l’àmbit de les ciències de la salut.

Font: Goh i altres (2007).

El primer a estudiar les xarxes de citacions va ser el físic, historiador de la ciència i científic de la informació Derek John de Solla Price durant la dècada dels anys seixanta del segle passat. Aquest àmbit, el de la ciència de la informació (i, més específicament, la bibliometria o la cienciometria), és probablement, doncs, el primer en el qual es va utilitzar l’anàlisi de l’estructura de les xarxes (Price 1965). Els primers estudis de Price van utilitzar les bases de dades de citacions que van constituir l’embrió del que és avuielScience Citation Index(SCI). Evidentment, els índexs de citacions com SCI (i els seus complements SSCI, dedicat a les ciències socials, i HCI, dedicat a les humanitats), Scopus, CiteSeer i fins i tot Google Scholar no es desenvolupen en principi per a conèixer l’estructura de la xarxa de citacions. L’objectiu és ajudar els investigadors a saber qui ha citat un article determinat per poder trobar literatura rellevant sobre el tema, i darrerament també per donar un element d’avaluació de l’impacte de la producció científica d’investigadors i institucions. El supòsit és que el nombre de citacions que rep un article és una mesura de la rellevància que té. Tot i així, les dades que contenen són molt útils per a reconstruir la xarxa de citacions i esbrinar-ne les propietats.

Tal com es pot veure a la Figura 3.11, les xarxes de citacions són, igual que les xarxes del Web, dirigides. Una citació representa un enllaç que surt de l’article citant i va a parar a l’article citat. Al contrari que en el cas del Web, però, les xarxes de citacions són acícliques. Això vol dir que no hi ha camins tancats d’enllaços dirigits que surtin d’un node i hi tornin. La raó per la qual a les xarxes de citacions això no pot passar és que els articles s’elaboren en un moment donat en el temps. I en aquell moment, evidentment, les citacions que es facin només poden ser, en principi, d’articles ja publicats. Per tant, tots els enllaços van cap enrere en el temps i no poden tornar mai endavant i tancar un camí.

Una altra característica rellevant de les xarxes de citacions és que la distribució de grau que tenen sol seguir una llei de potència. És a dir, que són xarxes lliures d’escala. Efectivament, hi ha pocs articles que tinguin moltes citacions i molts que en tenen molt poques o cap. Aquesta situació acaba produint el fenomen dels “científics estrella”, que acaparen gran part del prestigi en la seva disciplina, ja sia per la qualitat del seu treball o bé per altres circumstàncies.

Una altra possibilitat de l’estudi de les xarxes de citacions és fer un canvi del nivell d’agregació. Si, per exemple, en comptes de fer l’anàlisi per articles els agrupem per disciplines o subdisciplines, construïm una nova xarxa on aquestes siguin els nodes i ens fixem en els fluxos de citacions entre elles, podem detectar-ne fàcilment el grau d’interdisciplinarietat, que vindrà donat pel grau de citacions que hi hagi a disciplines diferents.

Les xarxes de citacions que hem vist són les més simples que podem construir a partir de la informació que ens donen les citacions dels articles, però n’hi ha d’altres com lesxarxes de cocitació. Es considera que dos articles són cocitats si se citen tots dos en un tercer article, evidentment posterior. Les xarxes de cocitació, doncs, es construeixen connectant entre ells els articles que han estat cocitats. Els enllaços en aquest cas són no dirigits, perquè la relació de cocitació és simètrica. La idea en construir aquest tipus de xarxes és poder detectar els articles que s’ocupen de temes relacionats, ja que se suposa que seran més cocitats i que apareixeran propers a la xarxa. A les xarxes de cocitació és possible definir la força de la relació entre dos articles en funció del nombre d’articles posteriors que els cocitin.

Una altra variant de les xarxes basades en les citacions són lesxarxes d’encavalcament bibliogràfic. En aquest cas, es considera que dos articles estan relacionats quan citen els mateixos articles. Aquí també hi ha la possibilitat de definir la força de la relació en funció del nombre d’articles que citen tots dos. Els parells d’articles que presenten encavalcament bibliogràfic fort comparteixen una gran part dels seus fonaments, i per tant són dins del mateix tema de recerca. Per això aquestes xarxes s’utilitzen de vegades per a detectar l’evolució de les disciplines científiques i la possible aparició de nous camps.

Ja fora de l’àmbit estricte de la ciència, però encara en el de l’aplicació pràctica, trobem lesxarxes de citacions de patents. L’estructura d’aquestes xarxes reflecteix l’organització i l’evolució de la tecnologia de manera semblant a com les de citacions ens permeten conèixer l’organització i l’evolució de la ciència. Per exemple, poden ajudar a detectar les dependències entre diverses tecnologies aparentment no relacionades.

Tot i que les xarxes que hem vist a l’apartat anterior deriven d’activitats amb un component social important com la ciència i la tecnologia, normalment es cataloguen com a xarxes d’informació i no socials. Ara veurem un altre tipus de xarxes rellevants a l’àmbit de la ciència que sí que se solen considerar plenament xarxes socials: lesxarxes de coautoria.

En una xarxa de coautoria els nodes són els autors d’articles científics i les connexions s’estableixen entre els autors que han publicat algun treball conjunt. Aquest tipus de xarxes són molt útils per a detectar les dinàmiques de col∙laboració acadèmica entre els científics individuals i també per a detectar les comunitats o clústers d’investigadors que s’estableixen. Si a més es recull informació sobre la filiació de cada autor, també es pot estudiar la col∙laboració entre els diversos grups de recerca i també entre les institucions dels quals els investigadors formen part.

A la figura 3.12 es pot veure un mapa de col∙laboració en el camp de la ciència de les xarxes basat en la xarxa de coautories. S’hi poden veure alguns dels clústers d’investigadors més importants en aquest àmbit, alguns dels quals catalans.

Figura 3.12. Mapa de col∙laboració en el camp de la ciència de les xarxes.

Font: Massimo Franceschet (Universitat dels Estudis d’Udine),
http://users.dimi.uniud.it/massimo.franceschet/networks/nexus/bibliometrics.html

Fins ara hem vist la utilitat per a l’estudi de l’activitat científica de les xarxes basades en informació continguda en els documents científics com les citacions i els noms i les filiacions dels autors. En aquest apartat veurem que també podem construir xarxes d’interès a partir del propi contingut dels articles: lesxarxes de paraules clau.

Aquestes xarxes es construeixen a partir dels índexs de paraules clau, que són similars als índexs que elaboren els agents rastrejadors del WWW amb les paraules que troben a les pàgines web i que hem mencionat a la segona secció d’aquest capítol. Els índex de paraules clau d’un conjunt de documents (en el cas que ens ocupa, articles científics, però la tecnologia es pot aplicarperfectament a altres àmbits) consisteixen simplement en una llista de termes rellevants amb les aparicions d’aquests en els documents i són similars als índexs de contingut que podem trobar al final de molts llibres i que relacionen les paraules clau amb les pàgines del llibre on es troben. Així, localitzant una paraulaclau a l’índex podem saber en quins documents apareix.

La selecció de les paraules clau que han d’aparèixer a l’índex es pot fer de maneres diverses. Un possibilitat és aprofitar les paraules clau que en moltes revistes científiques l’editor demana als autors que incloguin al principi de l’article. Aquestes paraules clau indiquen força bé el tema principal de l’article, però de vegades no poden reflectir tot el contingut. Per això es pot recórrer a d’altres tècniques per a elaborar llistes de paraules clau més exhaustives. D’una manera semblant a com actuen els programes agents dels cercadors del Web, podem utilitzar programes informàtics que vagin recorrent el text de tots els articles i vagin emmagatzemant les paraules que trobin i en quin document s’ha trobat. Segons el nivell d’exhaustivitat que vulguem aconseguir, podem aplicar aquest procés només als resums dels articles, o bé al text complet. El problema d’aquest procediment és que el nombre de paraules que apareixen finalment a l’índex és molt elevat i algunes paraules tenen poc de clau. Això ja està bé si l’índex està pensat per a la recuperació d’informació, però no és gaire útil per a la construcció de xarxes que permetin analitzar l’entramat de la ciència. Per això s’utilitzen tècniques específiques que permeten filtrar les paraules que no aporten informació i obtenir un índex de paraules realment rellevants.

A partir de l’índex es pot construir la xarxa de paraules clau, que és una xarxa bipartida on els vèrtexs d’un tipus són articles i els de l’altre tipus paraules clau. Els enllaços són entre cada paraula clau de l’índex i els articles en els quals apareix. Cal no confondre aquestes xarxes amb les que es construeixen a partir d’hiperenllaços entre pàgines web que hem presentat anteriorment.

Una de les aplicacions de les xarxes de paraules clau és que permeten localitzar els articles que tracten sobre el mateix tema. A partir d’un article concret i coneixent la xarxa que relaciona paraules clau i articles, podem trobar tots els altres que comparteixin un elevat nombre de paraules clau i que, per tant, tindran una temàtica similar. Això té aplicacions interessants en els sistemes de cerca, ja que un cop s’han recuperat els documents que s’ajusten a les paraules de la petició de cerca, s’hi poden afegir aquells que no s’hi ajusten però que comparteixen moltes paraules clau amb els primers, i que per això poden resultar igualment rellevants per a l’usuari. Aquesta aplicació és, en certa manera, similar a la dels sistemes de filtratge col∙laboratiu que hem presentat a la segona secció del capítol.

Una altra aplicació és veure quina relació hi ha entre els diversos temes de recerca dins d’una disciplina científica. A partir de la xarxa de paraules clau podem determinar quins termes surten conjuntament en una gran part dels articles, de manera similar al que fèiem a les xarxes de cocitació. Això ens permet construir noves xarxes on els nodes són les paraules clau i les connexionsentre elles existeixen quan es troben simultàniament en una quantitat important d’articles, lesxarxes de coocurrència. A la Figura 3.13 podem veure’n un exemple elaborat pel grup de recerca KIMO de la UOC en el marc d’un projecte de recerca actual sobre mapes de coneixement. La xarxa s’ha construït a partir de la xarxa de paraules clau extreta dels articles més rellevants de l’àmbit de la ciència de la informació entre els anys 2006 i 2010. A la figura es representen només les paraules clau que apareixien amb connexions més fortes.

Figura 3.13. Extracte de la xarxa de coocurrència de paraules clau als articles de les principals revistes de l’àmbit de la ciència de la informació entre els anys 2006 i 2010.

Font: Grup de recerca KIMO (UOC).

En aquesta secció hem vist que molts aspectes de la generació i la difusió de coneixement científic tenen relació amb xarxes d’informació i xarxes socials i que, per tant, els podem estudiar aplicant les tècniques de l’anàlisi de xarxes. Això, combinat amb la disponibilitat de programes informàtics sofisticats i potència de càlcul a preu assequible, ha donat lloc a un gran desenvolupament en l’àmbit de la cienciometria i, per tant, cada vegada es disposa de més dades interessants sobre l’organització i les dinàmiques de l’activitat científica.

En els darrers anys, la combinació de les tècniques esmentades anteriorment i algunes altres amb el desenvolupament també impressionant de l’àrea de la visualització d’informació ha donat la possibilitat de fer representacions gràfiques molt útils de l’activitat científica impensables no fa gaire temps. És el que es coneix com amapeig del coneixement científicovisualització d’àmbits de coneixement(Börner, Chen et al. 2003).^[7]

A les figures adjuntes es poden veure un parell d’exemples del potencial que ofereix aquest nou àmbit de coneixement. La Figura 3.14 mostra la xarxa de cocitació construïda a partir d’una base de dades d’articles relacionats amb els àmbits de la bibliometria, la cienciometria i la visualització d’informació. A més de la xarxa, es mostra també el nombre de citacions de cada autor mitjançant una barra vertical. La barra està ombrejada de manera que els tons més foscos representen citacions més antigues i els més clars citacions més recents.

A la figura 3.15 es pot veure un altre tipus de representació feta a partir de la xarxa de paraules clau de la mateixa base de dades d’articles. Es tracta d’utilitzar la tècnica dels mapes autoorganitzats (un tipus de xarxes neuronals) per a generar una representació de les disciplines i subdisciplines científiques i les seves relacions mitjançant una metàfora que compara la ciència amb un paisatge geogràfic.

Figura 3.14. Mapa d’una xarxa de cocitació combinada amb una indicació del nombre de citacions de l’autor mitjançant una barra vertical.

Font: Börner, Chen i altres (2003).

Figura 3.15. Mapa autoorganitzat (self-organizing map) basat en l’anàlisi de la xarxa de paraules clau que utilitza la metàfora del paisatge per a representar les disciplines científiques.

Font: Börner, Chen i altres (2003).

Durant els anys vuitanta l’èmfasi en l’àmbit de l’estratègia empresarial es va posar a mirar cap a l’exterior. El cèlebre model de les “cinc forces” de Michael Porter (1980), per exemple, centrava la formulació de l’estratègia competitiva en l’estudi de cinc elements externs del sector: els proveïdors, els clients, els competidors, els possibles nous entrants i els possibles substituts. El coneixement sobre aquests elements requeria sobretot una gran quantitat d’informació sobre l’entorn. Aquest interès estratègic i el desenvolupament de les tècniques de vigilància tecnològica i intel∙ligència competitiva va contribuir a fomentar l’aprofitament de les xarxes que permetien que la informació arribés a l’empresa.^[8]

Més endavant, en la dècada dels noranta, el pensament estratègic va incorporar amb força la idea de l’empresa com un conjunt de recursos que es combinaven per a aconseguir els seus objectius (Barney 1991). Això fa que també es miri cap a dins de l’organització, on resideixen els recursos que han de ser la font dels avantatges competitius. De mica en mica es va prenent consciència que entre tots els recursos el coneixement és probablement el més important (Kogut and Zander 1992; Grant 1996) i de la importància de les xarxes per a generar i incorporar el coneixement necessari per a l’empresa. La popularització de les idees de la gestió del coneixement va contribuir a aquesta tendència.

Així, doncs, des del punt de vista teòric macro, queda establerta la importància de la informació i el coneixement i de les xarxes que permeten obtenir-los. Als apartats següents veurem com aquesta importància es trasllada a aspectes més micro.

Les xarxes són per tot arreu, i les organitzacions, tant privades com públiques, no en són l’excepció. Els membres de les organitzacions formen xarxes socials entre ells i amb persones de fora de l’organització i les organitzacions com a tals formen xarxes socials amb altres organitzacions. Ens podem preguntar quines són les estructures de xarxa més adequades per a les organitzacions i per als individus que les formen.

Donada la importància del coneixement a les organitzacions, podem mirar de trobar alguna resposta a aquesta pregunta per la via de la incidència de les xarxes socials en la generació i la transmissió d’informació i coneixement.

Suposem que tenim dos tipus ideals ben diferents d’estructura de la xarxa social d’una organització representats pels esquemes de la figura 3.16. A la primera, que anomenarem estel per la forma que té, hi ha un node central pel qual ha de passar per força tota la informació que circula per la xarxa. La segona, en canvi, que té forma de diamant, està altament cohesionada: tothom està connectat amb tothom. Evidentment, són casos extrems que poques vegades es donen al món real, però ens seran útils per a discutir uns quants conceptes.

Figura 3.16. Dos models ideals d’estructura de la xarxa social a les organitzacions

Serà millor per a l’organització una estructura de la xarxa social dels seus membres tipus estel o tipus diamant? I per als seus membres individualment? Recordant el que hem vist sobre la difusió d’informació en xarxes, sembla clar que aquesta es difondrà molt més fàcilment a l’estructura tipus diamant. D’entrada, cada node té moltes més vies d’entrada i sortida d’informació i tothom té connexió directa amb tothom, la qual cosa n’assegura una difusió ràpida. Però a més, a l’estructura tipus estel tota la informació ha de passar per un únic node. Segons la capacitat del node central per a processar-la, pot convertir-se en un coll d’ampolla i dificultar molt la fluïdesa del procés. Així, doncs, si a l’empresa o institució li interessa fomentar la difusió d’informació, sempre és millor una estructura tipus diamant, però si necessita controlar els fluxos d’informació, millor que tingui una estructura de xarxa social tipus estel, sempre que l’individu central sigui l’adequat. Cal recordar que l’estructura de la xarxa social no té per què coincidir (i sovint és així) amb l’estructura formal reflectida a l’organigrama.

Des del punt de vista dels individus, la cosa pot ser diferent. Mentre que a l’estructura tipus diamant tothom està en les mateixes condicions, a l’estructura tipus estel l’individu que ocupa la posició central sembla clar que té una situació privilegiada, la qual cosa es pot confirmar calculant qualsevol dels índexs de centralitat per als diferents nodes. Tota la informació que es mou a la xarxa passa per ell, i ell la coneix abans que ningú més (excepte l’emissor). Si això no li provoca problemes de sobrecàrrega, té un avantatge clar, ja que pot utilitzar la informació, i fins i tot té el poder de decidir quina informació transmet i quina no segons els seus interessos. Novament, si els seus interessos coincideixen amb els de l’organització, no és un problema, però això no sempre és així.

Situacions com la que es produeix a l’estructura tipus estel amb el node central reben el nom de forats estructurals (structural holes) segons la definició del sociòleg de la Universitat de Chicago Ronald Burt (1992). La idea és que un element de la xarxa que connecta amb dos nodes o grups de nodes que no estan connectats per cap altra via aprofita (o “omple”) un forat estructural, cosa que li confereix el control sobre la comunicació entre les dues parts.

Si anem una mica més enllà de la difusió d’informació i ens fixem en els processos de creació i transmissió del coneixement, les nostres conclusions sobre els dos models alternatius de xarxa social no seran gaire diferents, perquè com hem vist és necessari que es transmeti informació per a transferir coneixement. Ara bé, la generació de coneixement a les organitzacions és un procés complex que sovint requereix l’acció conjunta de grups d’individus que puguin compartir fàcilment informació i també transmetre’s entre ells coneixement tàcit. Per això, en organitzacions que basen la seva activitat en la generació de nou coneixement com les empreses innovadores, les estructures del tipus diamant poden ser, no tan sols millors, sinó imprescindibles. Fins i tot des del punt de vista individual de l’individu central d’una estructura inicialment del tipus estel, pot ser beneficiós a la llarga renunciar a la posició privilegiada que té per anar cap a una estructura més tipus diamant que afavoreixi la creació de coneixement, de la qual es pot beneficiar tothom.

A la literatura sobre aprenentatge organitzacional es fa sovint la distinció entre l’exploració de noves possibilitats i l’explotació del que ja es coneix (March 1991). Totes dues són necessàries però és molt difícil aconseguir que les estructures d’una organització s’adaptin bé a totes dues. Sovint el que va bé per a l’exploració no va bé per a l’explotació. Quan es tracta d’explotar el conegut, una estructura social tipus estel pot tenir tot el sentit, perquè el que interessa és optimitzar l’eficiència dels processos establerts. I això es pot fer bé en una estructura jeràrquica i burocratitzada. En canvi, per a l’exploració, que requereix la generació de nou coneixement, les estructures tipus diamant semblen les més adequades. Les organitzacions que millor balancegen les dues activitats ho fan sobre la base de la convivència de dos tipus d’estructures. Cada part de l’organització adopta la que va millor a la seva activitat d’explotacióo d’exploració. És probable, doncs, que a la xarxa social de moltes organitzacions hi hagi parts que tendeixen més a estructura estel i d’altres a estructura diamant.

Un exemple molt estudiat de grups que necessiten una alta capacitat d’aprenentatge i de generar coneixement són les anomenades comunitats de pràctica (Wenger 1998). A les comunitats de pràctica que funcionen se sol establir una xarxa social molt densa (tipus diamant) amb lligams forts en la qual la transmissió de coneixement, especialment coneixement tàcit, és més fàcil.

Tot i els avantatges que hem vist per a la generació de coneixement, però, una estructura cohesiva també pot tenir algun inconvenient. Quan un grup està molt cohesionat, la densitat de comunicació amb els membres del grup fa que es pugui reduir molt la connexió amb l’exterior. Això pot dificultar que entrin idees noves, que són essencials per a la creació de nou coneixement. Per això són importants els enllaços febles que s’han presentat al capítol 2.

Diversos estudis sobre els fluxos de coneixement en organitzacions innovadores, com és ara les que se situen a clústers geogràfics especialitzats en noves tecnologies (Saxenian 1994), confirmen que aquest necessari ingredient de coneixement nou provinent de l’exterior sol venir d’enllaços febles a les xarxes socials personals dels treballadors. Tanmateix, aquest tipus d’aportacions també el pot fomentar l’organització de manera més o menys formalitzada. Aquesta és la intenció que hi ha al darrere de l’establiment d’algunes aliances empresarials i de la presència d’alts càrrecs d’algunes empreses en els consells d’administració d’altres i que dóna lloc al que es coneix com aconselleries creuades. Tots dos fenòmens es poden estudiar mitjançant l’anàlisi de les xarxes socials que produeixen. En el primer cas són xarxes on els nodes són organitzacions que estan connectades si tenen algun tipus d’aliança, i en l’altre xarxes bipartides on hi ha uns nodes corresponents a les empreses i els altres als directius. Un directiu estarà connectat a les empreses en les quals participa com a membre del consell d’administració.

En els últims anys les TIC han facilitat que empreses i institucions puguin establir formes de coordinació amb altres organitzacions que ja no segueixen els patrons tradicionals d’acords contractuals entre estructures burocràtiques, sinó que tenen un caràcter molt més de sistema social informal en el qual la confiança, la presa de decisions distribuïda i la negociació constant són elements fonamentals. Això ha donat lloc a sistemes relativament estables d’actors autònoms però interdependents que no són ni organitzacions jeràrquiques ni mercats i s’anomenen organitzacions xarxa. Aquest tipus d’organitzacions han demostrat que poden ser més eficients que les tradicionals en l’adquisició de coneixement i en la resolució de problemes gràcies a la seva actuació descentralitzada, i també més eficaces en la resolució de problemes perquè poden abordar-los i trobar-hi solucions de manera col∙lectiva.

Les xarxes no tan sols tenen un paper important dins de les empreses. A l’economia actual, sobretot després de la popularització d’Internet, les xarxes a la banda del mercat són cada vegada més rellevants i s’han de tenir molt en compte en el disseny de les estratègies i en el dia a dia. Tractar això en profunditat aniria molt més enllà dels nostres objectius, però sí que en mencionarem breument alguns aspectes interessants.

Al final del segle passat, l’anàlisi d’alguns mercats peculiars va dur els economistes a definir un fenomen que, tot i no ser nou, es va veure considerablement intensificat per la presència d’Internet. Es va anomenar efectes de xarxa (network effects) oexternalitats de xarxa(Shapiro and Varian 1999)^[9]. Es produeixen efectes de xarxa quan el benefici que obté un agent econòmic que consumeix un bé o servei depèn del nombre d’altres agents que el consumeixen. Un exemple tradicional d’efectes de xarxa és el dels teclats que fem servir actualment majoritàriament als ordinadors, que s’anomenentipus QWERTYper la disposició de les tecles de la part superior esquerra. La configuració actual dels teclats es va dissenyar al segle XIX per a les màquines d’escriure i amb l’objectiu d’evitar que les palanques s’enganxessin i produïssin embussaments interns si els mecanògrafs anaven massa de pressa. La configuració QWERTY exigeix que els dits s’hagin de moure per tot el teclat per a utilitzar les tecles més freqüents i, per tant, alentia l’escriptura però aconseguia evitar els embussos de tecles. Evidentment, avui dia amb els ordinadors aquest teclat ineficient no té cap sentit perquè no hi ha palanques que es puguin enganxar. S’han proposat alternatives molt més eficients a la disposició de les tecles com el teclat Dvorak, però no han aconseguit desplaçar el QWERTY, precisament per efectes de xarxa. Un cop el QWERTY s’ha establert com a estàndard, els processos de producció dels teclats s’hi han adaptat i, encara més important, els usuaris hem invertit temps i esforç a aprendre a teclejar ràpid. Canviar l’estàndard comportaria costos importants de redisseny de sistemes productius per part dels fabricants i d’aprendre una nova configuració pels usuaris, després de “desaprendre” l’anterior. Mentre la majoria dels fabricants continuïn oferint el teclat QWERTY i la majoria dels usuaris estiguin acostumats a treballar amb la seva disposició de tecles, no hi ha cap al∙licient per a canviar malgrat l’increment d’eficiència global que a la llarga s’obtindria amb l’adopció d’un nou estàndard. Això són els efectes de xarxa.

Es poden observar els efectes de xarxa en alguns altres casos com l’adopció la dècada dels vuitanta del format VHS com a estàndard de vídeo enfront del Betamax, que era tècnicament millor. Però és amb el gran impuls de les TIC i especialment amb l’arribada d’Internet quan els efectes de xarxa es veuen potenciats. La dominació gairebé total del mercat dels sistemes operatius per a PC a la dècada dels noranta per part de Microsoft amb el Windows, que era manifestament inferior a algunes alternatives, és deguda bàsicament als efectes de xarxa produïts per la incompatibilitat entre sistemes. Un cop la majoria dels usuaris utilitzava el sistema operatiu de Microsoft (bàsicament, a causa que IBM el va adoptar per als seus PC), era millor per a qualsevol usuari fer el mateix, ja que tant el maquinari com el programari eren més barats a causa de les economies d’escala, i a més podia compartir els seus fitxers amb més gent.

A Internet, a causa de la possibilitat que dóna als usuaris de connectar-se entre ells a escala global, els efectes de xarxa encara són més potents, ja que els beneficis de triar l’actor dominant per l’usuari es fan més grans. El lloc web de subhastes en línia eBay gairebé no té competència. Evidentment, qualsevol usuari que vulgui posar a la venda un objecte sap que és a eBay on hi haurà més possibles compradors i amb la competència podrà obtenir un preu més alt. D’altra banda, els compradors saben que a eBay trobaran una gamma d’objectes molt més àmplia que enlloc més. De la mateixa manera, ara mateix és molt difícil que triomfi cap alternativa a la Vikipedia com a enciclopèdia col∙laborativa en línia, i el domini dels llocs de xarxes socials més populars, Facebook en l’esfera personal i LinkedIn en l’esfera professional, és cada vegada més aclaparador.

Algunes empreses van més enllà fins i tot, i aprofiten la posició dominant que els efectes de xarxa els donen en un mercat per intentar entrar i a la llarga dominar-ne un altre. Seria el cas, per exemple, de Google, que recolzant-se en la posició preponderant que té en l’àmbit dels cercadors ha anat estenent la seva l’activitat a la publicitat en línia i a tota una oferta de serveis en núvol com GMail, GoogleDocs, GoogleCalendar, etc. Totes aquestes situacions són pròpies del que s’anomena mercats en xarxa (networked markets), una àrea de recerca de gran activitat actualment.

Més enllà de beneficiar-se dels efectes de xarxa, les empreses poden aprofitar les xarxes d’altres maneres. Un exemple n’és el màrqueting viral,^[10] que consisteix en la utilització de les xarxes socials per a aconseguir objectius de màrqueting com és ara notorietat de marca o vendes de productes per mitjà d’un procés viral d’autoreplicació de manera similar a com es transmeten els virus biològics o informàtics. A les xarxes socials tradicionals és el que se sol conèixer com de boca a orella, però és a Internet on l’efecte del màrqueting viral s’ha demostrat més poderós. L’objecte que es transmet pot ser molt variat, des de missatgesSMS fins a imatges, programari, jocs o videoclips.

Finalment, cal mencionar que les empreses també utilitzen les xarxes socials per a obtenir informació rellevant sobre els mercats i així ajustar millor els seus productes i serveis a les necessitats dels consumidors. Hi ha especialistes en anàlisi de l’opinió publicada que són capaços de recollir i interpretar l’estat d’opinió sobre un producte o servei o sobre la imatge d’una empresa mitjançant l’anàlisi de les contribucions personals als llocs web participatius. Avui dia moltes empreses creen les seves pàgines als llocs de xarxes socials com Facebook per poder tenir més fàcilment accessible aquest tipus d’informació. I les xarxes socials no tan sols els serveixen per a monitorar els seus mercats. Cada vegada més, les empreses utilitzen les xarxes socials per a rastrejar el mercat de treball a la recerca de possibles candidats o per a la valoració de les candidatures existents. És una mesura intel∙ligent, doncs, tenir cura amb el contingut que es penja a la pàgina personal dels llocs web de xarxes socials.