Envíe este artículo por correo electrónico 
Ocultar
Mostrar todos
Algoritmo para la medición y análisis de la autoridad e influencia de los usuarios en las redes sociales y profesionales
Resumen
La medición y análisis de la autoridad e influencia que ejerce una persona en una organización o red social, sea esta formal o informal, ha sido objeto de numerosas investigaciones en campos diversos de la ciencia. En la actualidad este fenómeno ha tomado mayor connotación debido a su irrupción en el espacio digital y a la importancia que reviste la tenencia de este conocimiento para la toma de decisiones en esferas como la política, la educación y la difusión de información. En esta investigación se desarrolló un algoritmo para la medición y análisis de la autoridad e influencia de los usuarios en las redes sociales y profesionales. El estudio tuvo un enfoque mixto, con alcance correlacional y diseño experimental. Se utilizó una muestra aleatoria n=30 especialistas, que se realizó entre mayo de 2019 y octubre de 2020. Se partió de la premisa de que, para llevar a cabo una adecuada medición y análisis de la autoridad e influencia, se debe considerar la estructura del grafo que representa la red social y las interacciones que se producen entre los usuarios. Como resultado, se desarrolla el algoritmo Autoridad Total, una herramienta informática para la generación del grafo y un caso de estudio, el cual evalúa su pertinencia, funcionamiento y aplicabilidad, lo que evidencia resultados satisfactorios en su comparación con el algoritmo HITS y un sociograma.
Palabras clave
Referencias
Alvarado López, R. A. (2021). Política pública para la apropiación de las TIC en organizaciones en México: el caso del Prosoft. Paakat: Revista de Tecnología y Sociedad, 11(20). http://dx.doi.org/10.32870/Pk.a11n20.577
Andújar-Vaca, A. & Cruz-Martínez, M. S. (2017). Mobile instant messaging: WhatsApp and its potential to develop oral skills. Comunicar. Media Education Research Journal, 25(1). https://doi.org/10.3916/C50-2017-04
Bellver, J. A. y Martínez, F. G. (2012). Nuevos métodos de valoración. Modelos Multicriterio. Valencia: Universitat Politécnica de Valencia. https://riunet.upv.es/handle/10251/19181
Casaló, L. V.; Flavián, C. & Ibáñez-Sánchez, S. (2018). Influencers on Instagram: Antecedents and consequences of opinion leadership. Journal of Business Research, 117, 510-519. https://doi.org/10.1016/j.jbusres.2018.07.005
Colomo, A. R. (2017). El nacimiento de un nuevo marketing: Influencers en España año 2017; cambios de hábito de consumo en España entre hombres y mujeres influenciados a través de las redes sociales. España: Universidad de Valladolid. https://uvadoc.uva.es/handle/10324/24861
Das, R.; Kamruzzaman, J. & Karmakar, G. (2019). Opinion formation in online social networks: Exploiting predisposition, interaction, and credibility. IEEE Transactions on Computational Social Systems, 6(3), 554-566. https://ieeexplore.ieee.org/document/8715416
Delbaere, M.; Michael, B. & Phillips, B. J. (2021). Social media influencers: A route to brand engagement for their followers. Psychology & Marketing, 38(1), 101-112. https://doi.org/10.1002/mar.21419
Del Castillo, D. C. L. (2018). Métrica de autoridad para determinar el nivel de influencia de las personas en las organizaciones teniendo en cuenta su interacción en redes de mensajería instantánea (tesis de maestría). La Habana: Universidad de las Ciencias Informáticas. https://repositorio.uci.cu/handle/123456789/7999
Del Prete, A. y Pantoja, S. R. (2020). Las redes sociales virtuales: Espacios de socialización y definición de identidad. Psicoperspectivas, 19(1), 86-96. http://dx.doi.org/10.5027/psicoperspectivas-vol19-issue1-fulltext-1834
De Veirman, M.; Cauberghe, V. & Hudders, L. (2017). Marketing through Instagram influencers: the impact of number of followers and product divergence on brand attitude. International journal of advertising, 36(5), 798-828. https://doi.org/10.1080/02650487.2017.1348035
Flache, A.; Mäs, M.; Feliciani, T.; Chattoe-Brown, E.; Deffuant, G.; Huet, S. & Lorenz, J. (2017). Models of social influence: Towards the next frontiers. Journal of Artificial Societies and Social Simulation, 20(4). https://doi.org/10.18564/jasss.3521
Giacomucci, S. (2020). Addiction, traumatic loss, and guilt: A case study resolving grief through psychodrama and sociometric connections. The Arts in Psychotherapy, 67, 1-23. https://doi.org/10.1016/j.aip.2019.101627
Gil-Quintana, J.; Malvasi, V.; Castillo-Abdul, B. & Romero-Rodríguez, L. M. (2020). Learning Leaders: Teachers or Youtubers? Participatory Culture and STEM Competencies in Italian Secondary School Students. Sustainability, 12(18), 1-18. https://doi.org/10.3390/su12187466
Gil-Quintana, J.; Santoveña-Casal, S. & Riaño, E. R. (2021). Realfooders Influencers on Instagram: From Followers to Consumers. International Journal of Environmental Research and Public Health, 18(4), 1-16. https://doi.org/10.3390/ijerph18041624
Guan, J.; Li, Y.; Xing, L.; Li, Y. & Liang, G. (2020). Closeness centrality for similarity-weight network and its application to measuring industrial sectors’ position on the Global Value Chain. Physica A: Statistical Mechanics and its Applications, 541, 1-19. https://doi.org/10.1016/j.physa.2019.123337
Huang, M.; Wang, Z. & Chen, T. (2019). Analysis on the theory and practice of industrial symbiosis based on bibliometrics and social network analysis. Journal of cleaner production, 213, 956-967. https://doi.org/10.1016/j.jclepro.2018.12.131
Hurtado, C. U.; Leiva, V. L. y Villalobos, J. P. C. (2018). El uso de sociogramas en la escuela para la mejora de la convivencia: un estudio en escuelas chilenas. Perfiles educativos, 40(160), 83-100. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0185-26982018000200083
Jayles, B.; Escobedo, R.; Cezera, S.; Blanchet, A.; Kameda, T.; Sire, C. & Theraulaz, G. (2020). The impact of incorrect social information on collective wisdom in human groups. Journal of the Royal Society Interface, 17(170). https://doi.org/10.1098/rsif.2020.0496
Jennex, M. E. (2017). Big data, the internet of things, and the revised knowledge pyramid. ACM SIGMIS Database: the DATABASE for Advances in Information Systems, 48(4), 69-79. https://doi.org/10.1145/3158421.3158427
Kanathey, K.; Thakur, R. S. & Jaloree, S. (2018). Ranking of web pages using aggregation of page rank and hits algorithm. International Journal of Advanced Studies in Computers, Science and Engineering, 7(2), 17-22. https://search.proquest.com/openview/2ec613ee6c618e599d3e3771f8fe31e5/1?pq-origsite=gscholar&cbl=2028729
Kim, J. & Hastak, M. (2018). Social network analysis: Characteristics of online social networks after a disaster. International Journal of Information Management, 38(1), 86-96. https://doi.org/10.1016/j.ijinfomgt.2017.08.003
Mahmoodi, A.; Bahrami, B. & Mehring, C. (2018). Reciprocity of social influence. Nature communications, 9(1), 1-9. https://www.nature.com/articles/s41467-018-04925-y
McCraty, R. (2017). New frontiers in heart rate variability and social coherence research: techniques, technologies, and implications for improving group dynamics and outcomes. Frontiers in public health, 5. https://doi.org/10.3389/fpubh.2017.00267
Oliveira, C.; García, A. C. B. & Vivacqua, A. S. (2021). The cost structure of influencers’ posts: the risk of losing followers. Personal and Ubiquitous Computing, 1-22. https://doi.org/10.1007/s00779-020-01502-3
Peng, S.; Yang, A.; Cao, L.; Yu, S. & Xie, D. (2017). Social influence modeling using information theory in mobile social networks. Information Sciences, 379, 146-159. https://doi.org/10.1016/j.ins.2016.08.023
Philbeck, T. & Davis, N. (2018). The fourth industrial revolution. Journal of International Affairs, 72(1), 17-22. https://www.jstor.org/stable/26588339
Pérez, J. F. R. (2016). Modelo para la selección de equipos de trabajo quirúrgico en sistemas de información en salud aplicando técnicas de inteligencia organizacional (tesis de doctorado). La Habana: Universidad de las Ciencias Informáticas. https://repositorio.uci.cu/handle/123456789/7161
Pérez, J. F. R.; López-Torres, V. G. & Morejón-Valdés, M. (2021). Information and Communication Technologies as a competitive performance factor in provider institutions of medical services in Ensenada, Baja California. Journal of Administrative Science, 2(4), 31-37. https://doi.org/10.29057/jas.v2i4.6750
Pérez, J. F. R.; Vázquez, M. L.; Valdés, M. M. y Fajardo, D. O. (2016). Modelo computacional para la recomendación de equipos de trabajo quirúrgico combinando técnicas de inteligencia organizacional. Revista Cubana de Ciencias Informáticas, 10(4), 28-42. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2227-18992016000400003
Riquelme, F.; González-Cantergiani, P.; Molinero, X. & Serna, M. (2018). Centrality measure in social networks based on linear threshold model. Knowledge-Based Systems, 140, 92-102. https://doi.org/10.1016/j.knosys.2017.10.029
Ryu, E. A. & Han, E. K. (2021). Social Media Influencer’s Reputation: Developing and Validating a Multidimensional Scale. Sustainability, 13(2), 2-18. https://doi.org/10.3390/su13020631
Sadri, A. M.; Ukkusuri, S. V. & Ahmed, M. A. (2021). Review of social influence in crisis communications and evacuation decision-making. Transportation Research Interdisciplinary Perspectives, 9, 1-12. https://doi.org/10.1016/j.trip.2021.100325
Saggu, A. K. & Sinha, A. (2020). Social Influence Analysis for Information Diffusion in Complex Commercial Network. International Journal of Knowledge and Systems Science (IJKSS), 11(1), 22-59. https://doi.org/10.4018/IJKSS.2020010102
Schwab, K. (2017). The fourth industrial revolution. New York: Crown Business.
Sewall, C. J.; Bear, T. M.; Merranko, J. & Rosen, D. (2020). How psychosocial well-being and usage amount predict inaccuracies in retrospective estimates of digital technology use. Mobile Media & Communication, 8(3), 379-399. https://doi.org/10.1177/2050157920902830
Sun, Z.; Lin, C. H.; Wu, M.; Zhou, J. & Luo, L. (2018). A tale of two communication tools: Discussion‐forum and mobile instant‐messaging apps in collaborative learning. British Journal of Educational Technology, 49(2), 248-261. https://doi.org/10.1111/bjet.12571
Tortosa, L.; Vicent, J. F. & Yeghikyan, G. (2021). An algorithm for ranking the nodes of multiplex networks with data based on the PageRank concept. Applied Mathematics and Computation, 392. https://doi.org/10.1016/j.amc.2020.125676
Triola, M. F. (2009). Estadística. México: Pearson Educación. https://www.uv.mx/rmipe/files/2015/09/Estadistica.pdf
Tuğal, İ. & Karcı, A. (2019). Comparisons of Karcı and Shannon entropies and their effects on centrality of social networks. Physica A: Statistical Mechanics and its Applications, 523. https://doi.org/10.1016/j.physa.2019.02.026
Wajahat, A.; Nazir, A.; Akhtar, F.; Qureshi, S.; Razaque, F. & Shakeel, A. (2020). Interactively visualize and analyze social network Gephi. In 3rd International Conference on Computing, Mathematics and Engineering Technologies (iCoMET). Pakistan: IEEE. https://doi.org/10.1109/iCoMET48670.2020.9073812
Xiao, M.; Wang, R. & Chan-Olmsted, S. (2018). Factors affecting YouTube influencer marketing credibility: a heuristic-systematic model. Journal of media business studies, 15(3), 188-213. https://doi.org/10.1080/16522354.2018.1501146
Zhang, H. & Gong, X. (2021). Leaders that bind: the role of network position and network density in opinion leaders' responsiveness to social influence. Asia Pacific Journal of Marketing and Logistics. https://doi.org/10.1108/APJML-03-2020-0126
Zhao, H.; Xu, X.; Song, Y.; Lee, D. L.; Chen, Z. & Gao, H. (2018). Ranking users in social networks with higher-order structures. Proceedings of the AAAI Conference on Artificial Intelligence, 32(1), 232-239. https://ojs.aaai.org/index.php/AAAI/article/view/11287
DOI: http://dx.doi.org/10.32870/Pk.a11n21.598
PAAKAT: Revista de Tecnología y Sociedad, año 14, número 26, marzo - agosto de 2024, es una publicación electrónica semestral editada por la Universidad de Guadalajara, a través de la Coordinación de Recursos Informativos del Sistema de Universidad Virtual. Av. La Paz 2453, Col. Arcos Sur, CP 44140, Guadalajara, Jalisco, México. Tels. 33 32 68 88 88 y 33 31 34 22 22, ext. 18775. Dirección electrónica: http://www.udgvirtual.udg.mx/paakat/index.php/paakat. Correo electrónico: paakat@udgvirtual.udg.mx. Editor responsable: Dr. Lázaro Marcos Chávez Aceves. Número de Reserva de Derechos al Uso Exclusivo del Título de la versión electrónica: 04-2011-111117155600-203, e-ISSN: 2007-3607, otorgados por el Instituto Nacional del Derecho de Autor. Responsable de la última actualización de este número: Sistema de Universidad Virtual, José Antonio Amaro López. Fecha de la última modificación: 29 de febrero de 2024.
Las opiniones expresadas por los autores no necesariamente reflejan la postura del editor de la publicación.
Esta obra está bajo Licencia Creative Commons Atribución-NoComercial 4.0 Internacional.
