Análise de redes — Glossário Aria Research

Definição estendida

Análise de redes (network analysis, social network analysis em ciências sociais, graph analysis em computação) é a família de métodos formais para estudar relações entre entidades representadas como nós (vértices) e arestas (vínculos). Estrutura matemática: grafo $G = (V, E)$ com conjunto de vértices $V$ e arestas $E$ . Tipologias centrais: redes unimodais (pessoas-pessoas) ou bimodais (pessoas-eventos), direcionadas (Twitter follow) ou não-direcionadas (amizade Facebook), pesadas ou binárias, estáticas ou temporais. Métricas locais incluem centralidade de grau:

C_D(v) = \frac{\deg(v)}{n - 1}

onde $\deg(v)$ é o número de vizinhos de $v$ e $n$ o tamanho da rede. Outras centralidades: betweenness (frequência com que nó está no caminho mais curto entre outros), eigenvector (vínculo a vértices também centrais), closeness (proximidade média a todos os outros). Métricas globais: densidade (proporção de arestas existentes vs. possíveis), diâmetro (maior caminho mais curto), clustering coefficient (transitividade local). Wasserman e Faust (1994, Social Network Analysis, Cambridge) é a referência clássica em ciências sociais; Borgatti et al. (2009, Science) ofereceu visão moderna sintética. Análise de comunidades via Girvan-Newman, Louvain, modularidade. Modelos generativos (ERGM, blockmodels) e dinâmicos (SIR em redes, contagion). Visualização via Gephi, Cytoscape, igraph (R/Python), NetworkX.

Quando se aplica

Análise de redes aplica-se em qualquer fenômeno com estrutura relacional substantiva: redes de coautoria científica, redes de citação (artigo cita artigo), redes de colaboração organizacional, redes sociais (amizade, follow), redes biológicas (proteína-proteína, regulação gênica), redes neurais cerebrais (conectoma), redes ecológicas (cadeias tróficas), redes de transporte e infraestrutura, redes financeiras (transações, exposição). Aplica-se em pesquisa bibliométrica e cienciométrica avançada (mapeamento de campos científicos via redes de coautoria/citação). Aplica-se em estudos epidemiológicos de propagação de doença e em estudos de difusão de inovação. Aplica-se em análise de discurso (palavras como nós, co-ocorrência como arestas) e em humanidades digitais (personagens em narrativas, cartas em correspondência histórica).

Quando NÃO se aplica

Não se aplica em dados sem estrutura relacional substantiva: variáveis tabulares isoladas não constituem rede no sentido analítico. Não se aplica como metáfora frouxa: descrever sistema como “rede” sem operacionalizar nós e arestas com critério claro produz análise vazia. Não se aplica diretamente quando dados são one-mode simples sem replicações ou contexto: regressão multivariada pode capturar mais. Não substitui inferência causal: correlação estrutural em rede não implica causalidade; análise de difusão exige desenho específico. Em redes muito grandes (milhões de nós), métricas exatas tornam-se computacionalmente proibitivas — aproximações amostrais e algoritmos escaláveis (Spark, GraphX) são necessários.

Aplicações por área

— Bibliometria e cienciometria: mapeamento de campos via redes de coautoria, co-citação, bibliographic coupling; ferramentas VOSviewer, CiteSpace, bibliometrix. — Epidemiologia: modelos SIR em redes para entender propagação; importância de hubs e bridges. — Ciências sociais: análise de poder organizacional, capital social, propagação de comportamento. — Humanidades digitais: redes de personagens em literatura, redes de correspondência histórica, análise de cartografias culturais.

Armadilhas comuns

A primeira armadilha é não definir nós e arestas com critério explícito antes da análise: definição posterior à coleta produz arbitrariedade. A segunda é confundir centralidade com importância causal: nó com alta betweenness pode ser estruturalmente importante mas não dirigir o fenômeno. A terceira é interpretar densidade fora de contexto: rede de coautoria com 1.000 autores tem densidade naturalmente baixa; comparar com rede de 50 colaboradores em laboratório é sem sentido. A quarta é não tratar incerteza estatística: muitos estudos reportam métricas de rede sem IC; bootstrap em redes (Snijders 2018) é prática moderna emergente. A quinta é confundir rede observada com rede subjacente: amostragem incompleta, viés de detecção, e ausência de relações latentes podem distorcer estrutura — análise de robustez a missing edges é prudente.