PROGRESO, BIENESTAR Y MODERNIDAD: EL BIENESTAR SUBJETIVO COMO UN DESAFÍO PARA LA DEMOCRACIA EN MÉXICO

La equivalencia estructural

Dos nodos son estructuralmente equivalentes si tienen las mismas relaciones con los demás nodos. La equivalencia estructural es fácil de asir porque es muy específica: dos actores deben ser exactamente sustituibles para ser estructuralmente equivalentes.
Los actores estructuralmente equivalentes están en "posiciones" idénticas en la estructura del diagrama, las oportunidades y restricciones que manejan en un miembro de una clase está presente en otro. Los nodos en equivalencia estructural de clase están, en cierto sentido, en la misma posición en relación con los demás actores, así podemos comprender mejor las redes sociales al aumentar los niveles de abstracción.
Al buscar equivalencias vamos examinando clases de actores y subestructuras sustituibles, poniendo énfasis en el papel que juegan dentro de la estructura general. En términos de un papel social institucionalizado por ciertas relaciones normativas y admitidas por otros actores. Las nociones de equivalencia proveen formas realmente rigurosas de definir y pensar las posiciones de estructuras y los papeles sociales. Éste es un adelanto sobre los tratamientos, a veces imprecisos, contradictorios y verbales, encontrados en mucha de la literatura. Las reales redes sociales mundiales son muy desordenadas, no están completamente realizadas, es decir, nunca están en equilibrio.

El software UCINET

Software desarrollado por Lin Freeman, Martin Everett y Steve Borgatti (2002), concebido para un sistema Windows, es una de las herramientas computacionales con más difusión en el Análisis de Redes Sociales, es un paquete de herramientas que cumple roles diferentes y complementarios. Los tres módulos centrales son: UCINET, Spreadsheet y NetDraw. El programa central calcula los indicadores del ARS y tiene una amplia gama de rutinas y algoritmos de cálculos y operaciones sobre las matrices relacionales.
 La plantilla Spreadsheet, permite capturar los datos relacionales bajo forma de matrices de adyacencia o de atributos, tiene herramientas para el análisis matricial, previo al cálculo de indicadores y análisis gráfico. La herramienta NetDraw, permite el diseño de redes y cálculo de algoritmos de relaciones.

El software Pajek

Programs for Analysis and Visualization of Very Large Networks (Mrvar y Batagelj, November 2, 2015), Pajek, traducción del esloveno 'Araña', es un programa de software para sistema operativo Windows para análisis de grandes redes. Sus principales objetivos son: soportar la abstracción mediante factorización recursiva, de grandes redes en diversas redes de inferior tamaño susceptibles de ser tratadas con métodos más sofisticados, proporcionar herramientas potentes para visualizar estas redes e implementar una selección de algoritmos eficientes para análisis de grandes redes.
Una de las aproximaciones al soporte de la abstracción de una red es encontrar clústers, componentes, vecindades de vértices 'centrales', entornos, etc., para extraer y mostrar vértices que pertenecen al mismo clúster aunque se encuentren físicamente separados, con la representación de un contexto y sus diversas porciones, plegar vértices para mostrar relaciones entre los clústers.

El Software VOSviewer

VOSviewer puede utilizarse para crear mapas basados en datos de la red. Los mapas se crean mediante la técnica de agrupación Delphi. VOSviewer puede utilizarse para ver y explorar mapas (Van Eck y Waltman, 2009). Puede mostrar un mapa de diferentes maneras, cada una de ellas en un aspecto diferente del mapa, que ofrece funciones tales como zoom (acercamiento), desplazamiento y la búsqueda, lo que facilita el estudio detallado de un mapa. VOSviewer se puede utilizar para crear mapas basados en cualquier tipo de red.
Label view. En la vista los artículos están especificados por la etiqueta y, por defecto, también por un círculo. En cada artículo, los tamaños del carácter de etiqueta y de círculo dependen del peso del ítem. El color del círculo es determinado en diferentes formas. Si los artículos son para grupos, el color del círculo se determina por el grupo al que pertenece. Pero si las puntuaciones fueron dadas a los objetos, el color del círculo es determinado por la puntuación, donde, por defecto, los colores se extienden del azul (veintena de 1) para verde (veintena de 2) para la roja (veintena de 3), usando las columnas azul, verde y roja (veintena de 0).
La vista de densidad. Los conceptos y vistas de etiquetas son especificados por ésta ventana, cada punto en un mapa tiene un color que depende de la densidad de los datos, el cual va entre el rojo y azul. Mientras más grande es el número de nodos en las proximidades de un punto y más altos los pesos de los vecinos, más cercano el color del punto se acerca al rojo. Inversamente, mientras más pequeños son el número de objetos en las proximidades de un punto y más bajos los pesos de sus vecinos, más cercano el color azul. La vista de densidad es útil para una visión general de las áreas importantes de un mapa. Véase la referencia Van Eck y Waltman (2009) para una discusión detallada de la implementación técnica de la vista de densidad.

Definición de la periferia de los objetos en los mapas

Los modos de definir las periferias de subconjuntos cohesivos pueden ser, según los parámetros elegidos, las periferias que pueden extenderse en juegos pequeños, exclusivos, estrechamente unidos a un subgrupo, a juegos globales grandes que incluyen cada nodo en la red que no está en el subconjunto cohesivo. Hay varias cualidades que pueden tener las periferias, como su densidad. Por ejemplo, cuando la densidad de una periferia es mucho más baja que la densidad de fondo de la red en conjunto, podría ser indicativo de una estructura tipo corazón/periferia basada en el estado en el cual los actores buscan lazos a miembros principales y evitan lazos en la periferia.

Esta información interesa para proporcionar un análisis más profundo del modelo de conexiones de la red en conjunto, lo que provee al analista instrumentos suplementarios que le ayudan a entender las estructuras complejas ocultas dentro de datos de red. La noción que se utilizó, una vez identificado el subgrupo cohesivo, fue inducir una partición de todos los nodos en la red en tres clases: a) Los miembros del subgrupo, b) la periferia "que pertenece a" ese subgrupo y c) el resto de los nodos en la red.
Esto contrasta a la mayor parte de la literatura sobre subgrupos cohesivos que, por lo general, divide nodos en dos clases: ingroup y outgroup. En términos de división tripartita, hace más fácil intentar algoritmos, descubrir subgrupos cohesivos, al menos cuando el procedimiento de construir la periferia es independiente del procedimiento de los subgrupos.
El uso de los tres software, a partir de la base de datos constituida en el análisis factorial, permitió obtener diversos mapas de relaciones complejas del bienestar subjetivo y de valores culturales. El procedimiento se construyó con la matriz de datos llevada al software UCINET dónde se utilizaron las herramientas en NetDraw para los algoritmos Kamada Kawai y The Fruchterman Reingold, después introducidos al software Pajek para construir diversas redes, finalmente su visualización en el software VOSviewer.
El capítulo permite describir una perspectiva de análisis construida sobre los nuevos desafíos en el estudio del bienestar frente a la democracia, sus concepciones, principios, enfoques y teorías, para construir un método, que sobre todo es una especie de camino que incluye las formas iniciales de su concepción a partir de pensar en la nueva formación de conceptos y una forma nueva de interrelacionar análisis de redes sociales y multivariantes, para visualizar entramados complejos estructurales y sistemas relacionales de una sociedad.