Ir al contenido

Análisis de Redes Sociales - Magíster en Economía y Políticas Públicas 2023

0 · 0 ·
Ayudantía Universidad Adolfo Ibáñez Redes Sociales

Agendar reunión con grupos #

Material de apoyo #

Ayudantía - Medidas de centralidad
Ayudantía Redes Centralidad
Repaso sobre grafos, redes sociales y sus medidas de centralidad.
Introducción a Rmarkdown
9 mins· 0 · 0
R Markdown Rstudio
R fue desarrollado principalmente como un lenguaje para el análisis estadístico y contiene una amplia variedad de funciones y paquetes para estadísticas tradicionales y modernas.
Introducción a Markdown
7 mins· 0 · 0
Markdown Markup Writing Open Science
A diferencia del HTML, donde se requieren etiquetas de apertura y cierre, Markdown opta por una sintaxis más ligera, apoyándose en caracteres como asteriscos y almohadillas. Esto facilita la escritura rápida y hace que el texto sea más legible incluso en su forma no renderizada.
Introducción a R & Rstudio
10 mins· 0 · 0
R Rstudio Languages
R fue desarrollado principalmente como un lenguaje para el análisis estadístico y contiene una amplia variedad de funciones y paquetes para estadísticas tradicionales y modernas.

Recomendaciones presentación final #

1. Introducción #

Se debe contextualizar, problematizar y explicitar una pregunta u objetivo de la investigación:

  • El contexto entrega información que no encontraremos en la descripción de los datos. Por ej. Una sucesión de hechos en el tiempo, la biografía de un individuo. Experiencia de instituciones o empresas similares.

  • La problematización explica por qué la presentación es relevante. Se debe explicar aunque para el presentador sea evidente. Ej: estudiar la eficiencia de programas sociales permite detectar fortalezas, problemas u oportunidades para beneficiar de mejor manera a la población.

  • Pregunta y/u objetivo de la investigación. Es importante detenerse en esta sección y formularla de modo que permita estructurar la investigación (y la presentación). Los datos, la estrategia de análisis y las conclusiones que se obtengan deben corresponderse con ella.

2. Datos #

Esta sección corresponde a la parte descriptiva de la presentación. Debe contener:

a) Fuente de los datos.

b) Forma de obtención de los datos.

c) Variables que se obtuvieron.

d) Variables que se trabajarán.

e) Carácterísticas de la base de datos:

  • ¿A qué corresponde una fila?
  • ¿Cuántas filas se tiene?
  • Si es que datos poseen datos longitudinales, ¿cuál es el rango de fechas con el que se trabajó?
  • ¿Se acotó la base de datos de alguna manera? ¿Qué % se utilizó finalmente?

f) Estadísticos:

  • Para datos numéricos se pueden usar alternativas como media, mediana, mínima, máxima, desviación estándar.
  • Para datos categóricos: Tabla de frecuencias, identificación de categorías con mayor y menor frecuencia.

g) Visualización de los datos. Recordar que visualización no reemplaza estadísticos, pero en la presentación se puede dar más énfasis a visualizaciones.

Es importante recordar que técnicas como webscraping no son de análisis sino de producción de información. Por tanto, no deben incorporarse en la estrategia de análisis sino que describirse aquí.

3. Análisis #

Esta sección toma el problema de investigación, los datos obtenidos y busca responder a través de técnicas de análisis.

Es muy importante que la forma en que se analice no sea meramente discrecional: ej. “Se ve una relación en los datos”, sino que el análisis implique el uso de una técnica: ej. “La correlación entre el precio de las acciones y la cantidad de noticias es de -0,8”.

Pueden integrar:

  • Análisis de correlación.

  • Modelamiento con regresiones lineales (u otras).

  • Construcción de índices y aplicación de criterios para su análisis.

    • Ej. Definimos 3 criterios para la valoración de clientes sobre los productos usando un índice que se estima de la media simple entre valoración de calidad y precio. Valores inferiores a 4 son categorizados como malos, entre 4 y 5 regulares y sobre 5 buenos.
  • Aplicación de medidas de centralidad de red.

  • Para datos geográficos existen análisis como autoregresión.

4. Conclusiones #

Deben responder a la pregunta de investigación en uno o más aspectos utilizando análisis realizados en la sección anterior.

Relacionados

Introducción a Beautifulsoup en Python
5 mins· 0 · 0
Python Beautifulsoup Webscraping
BeautifulSoup es una biblioteca de Python que permite extraer información de archivos HTML y XML. Fue diseñada para hacer que el webscraping, o la extracción de datos de sitios web, sea más accesible y fácil de hacer. BeautifulSoup convierte los archivos HTML y XML en árboles de parseo, que son estructuras de datos que representan la jerarquía de los elementos en el archivo.
Introducción a R & Rstudio
10 mins· 0 · 0
R Rstudio Languages
R fue desarrollado principalmente como un lenguaje para el análisis estadístico y contiene una amplia variedad de funciones y paquetes para estadísticas tradicionales y modernas.