Análise de Redes Sociais na prática (Parte II)

Na primeira parte deste artigo, apresentei alguns dos conceitos utilizados na Análise de Redes Sociais e descrevi os primeiros passos desta análise, foram abordados os conceitos de centralidade de grau, intermediação (betweeness) e proximidade. Mostrei como, utilizando esses conceitos, poderíamos identificar atores chaves para o desempenho da organização, nesta parte avançaremos na direção da identificação de grupos dentro da organização.

A identificação de grupos é um dos resultados mais interessantes da ARS. Jacob Moreno, o pai dos sociogramas, utilizou as redes para entender a influência dos grupos na personalidade individual. Hoje a ARS é utilizada, entre outras coisas, para identificar comunidades de prática, vitais na otimização de processos de inovação, e comunidades virtuais, essenciais para estratégias de marketing digital eficazes.

GRUPOS

Mas o que são grupos? Para a sociologia um grupo é uma coleção de indivíduos que interage, compartilha valores e tem uma identidade comum. Esse coletivo possui uma ordem interna e atribui papéis para seus membros, contando com um sistema de sanções aprovado e aceito por todos. Existem os grupos primários, onde a interação se dá face a face e por períodos longos (um exemplo é a família) e existem os grupos secundários, onde a interação se dá de modo mais impessoal e temporário - exemplos são a escola, o trabalho e os clubes.

A ARS nos dá elementos para uma definição mais formal de grupos. Para esta definição ela irá traduzir alguns elementos do conceito sociológico para a linguagem das redes. O conceito de interação está ligado à presença de vínculos entre todos os atores que pertencem ao grupo; o conceito de coesão é equivalente ao de proximidade e se relaciona com o diâmetro da rede; e a idéia de uma identidade comum está relacionada a um relativo isolamento em relação a outros grupos.

A ARS trabalha com graus diferentes de exigência para considerar um coletivo de atores em uma rede como um grupo. Quando um subgrupo de atores possui vínculos diretos entre si e nenhum ator com vínculos a todos os demais fica de fora do subgrupo temos os chamados cliques que ocupam o extremo mais restrito da definição. Quando os atores não estão todos conectados diretamente, mas sim por meio de intermediários, onde a distância máxima é de dois ou mais passos temos os clans, uma definição bem mais liberal de grupos.

Retomando o exemplo da empresa de desenvolvimento de sistemas, utilizado na primeira parte do artigo, e seu sociograma, poderemos entender melhor estas diferentes nomenclaturas.

No sociograma acima, vemos que existe um subgrupo mais interconectado do que os outros: é o subgrupo formado por {Henrique, Pedro, Maria e Eduardo}. Mas, além deste, existem dois grupos onde todos estão interconectados: {Maria, Eduardo e Ana} e {Maria, Paulo e Ana}. Todos os membros destes grupos têm vínculo entre si e nenhum outro ator na rede possui vínculos com todos eles. Portanto trata-se de cliques.

Os cliques são importantes, pois além de desenvolver em seus membros comportamentos homogêneos, eles têm, por definição, grande proximidade, aumentando a velocidade das trocas. Assim, informações dirigidas a um clique são rapidamente absorvidas pelos seus membros, que tendem a percebê-las de forma semelhante. Isso é importante, por exemplo, em estratégias de segmentação.

Outra importância dos cliques é que sua presença significa que uma comunidade se formou dentro da organização. Se esta comunidade não estava prevista na estrutura formal da empresa ela é ainda mais relevante, pois significa que as pessoas estão colaborando voluntariamente e cabe à organização aproveitar todo o potencial que isso traz.

No entanto a definição de clique é muito restrita: se um ator tem vínculos com todos os membros de um clique menos um ele não fará parte do grupo. Também é pouco comum encontrarmos cliques interessantes na prática. Para “afrouxar” um pouco a definição de grupo foi sugerido o conceito de clan. Os clans, apesar de mais “frouxos”, possuem as mesmas qualidades dos cliques e são tão importantes quanto estes.

Voltando ao sociograma, se juntarmos Ana e Paulo ao subgrupo {Henrique, Pedro, Maria e Eduardo} teremos um clan. A diferença com o clique é clara: tanto Ana quanto Paulo não têm vínculos com Pedro e com o Henrique e a distância neste subgrupo é de dois passos. Mas também fica claro que este novo conjunto forma um grupo que se diferencias dos demais grupos da rede. Estes outros grupos também formam clans: {João, Antonia, Pedro e Paulo} e {João, Antonia, Marcelo e Ricardo}.

EQUIVALÊNCIA ESTRUTURAL

Além da análise do sociograma, existem outras maneiras de identificarmos grupos em uma rede. Uma delas é por meio de análise da “equivalência estrutural” entre os atores. Nesta análise iremos agrupar atores que têm o mesmo padrão de vínculos, isto é, colocaremos juntos atores que se relacionam com os mesmos atores. A análise é feita a partir da matriz da rede, como a que utilizamos na primeira parte do artigo e que reproduzo abaixo:

Cada coluna é correlacionada com a outra,

quanto mais similar o padrão de 0’s e 1’s entre elas, mais correlatas elas serão. O coeficiente de correlação vai de 0 a 1 e para cada nível teremos um número de grupos identificados. Com níveis muito baixo de correlação, isto é se exigirmos, por exemplo, um nível de apenas 0,01 (1% de similaridade) todos os atores farão parte de um mesmo grupo. No outro extremo se exigirmos nível 1,00 de correlação (100 % de similaridade), nenhum grupo será formado.

Se exigirmos 80% de similaridade teremos um grupo formado por Marcelo e Ricardo. Os dois compartilham o fato de estarem ligados apenas a João e desconectados de todo o resto da rede.

Se nossa exigência for de 60% de similaridade veremos que surgem 3 grupos: Ricardo, Marcelo e João; Antônia, Ricardo e Marcelo; Maria, Henrique e Ana. No primeiro caso é evidente que as díades Ricardo/João e Marcelo/João são equivalentes. No segundo caso o que esses grupos têm em comum e o que o diferencia dos demais é o relacionamento com João. Se isolarmos esse segundo subgrupo no sociograma fica claro o padrão:

Já o terceiro subgrupo, onde 60% dos vínculos são similares, é um pouco mais complicado de se visualizar, mas, se “limparmos” o sociograma retirando os vínculos entre “não membros” do subgrupo vemos com mais clareza a similitude:

A análise progride nível a nível: é o que se chama de hierarchical clustering ou análise hierárquica de cluster. Os softwares de ARS fazem todos esses cálculos e dão o resultado mostrando os grupos para cada nível de correlação, como no diagrama abaixo:

Esse diagrama mostra os grupos que se formam conforme vamos diminuindo o nível de similaridade, da direita para a esquerda. A primeira divisão separa os grupos {João, Antonia, Ricardo e Marcelo} do grupo {Maria, Pedro, Henrique, Eduardo, Paulo e Ana }. Uma segunda divisão forma quatro grupos: {João}, {Antonia, Ricardo e Marcelo}, {Maria, Pedro, Henrique, Eduardo} e {Paulo e Ana}.

Cabe ao analista atribuir significado aos grupos encontrados. Algumas vezes esses grupos fazem algum sentido, outras vezes não. Algumas vezes correspondem ao organograma da empresa outras vezes não e, neste caso, o analista deverá investigar se está diante de um grupo real, de uma comunidade, ou se este é apenas um resultado matemático.

PAPÉIS

Além de identificar grupos, a ARS também analisa a relação entre grupos. Por meio de uma técnica chamada blockmodeling, o analista mede o modo como os grupos estão vinculados. Em casos de redes direcionais, esta análise produz resultados muito interessantes. Podem existir grupos que apenas recebem fluxos e outros que apenas enviam e podem aparecer grupos mais centrais que outros. Essas características servem para atribuir papéis aos grupos. Por exemplo, em uma rede de troca de informações, os grupos que só enviam informações são aqueles que dominam o conteúdo que irá fluir na rede. Os grupos intermediários, que recebem e enviam informações, são os brokers e sem eles o fluxo não se dissemina. Já os grupos que apenas recebem informações são aqueles que seguem os demais.

No blockmodeling, o papel do grupo é determinado pela proporção de vínculos de seus membros. O analista escolhe um nível acima do qual um grupo será considerado emissor ou receptor. Um grupo será considerado emissor se a proporção de vínculos que “sai” dos seus membros em direção a membros de outros grupos for maior que o nível escolhido e a proporção de vínculos que entram no grupo vindo dos outros grupo for menor que este nível. O contrário define um grupo receptor; e, quando um grupo tem a proporção de vínculos entrando e saindo maior do que a definida pelo analista, ele é um intermediário ou um broker.

Seguindo com nosso exemplo, mostro abaixo o diagrama do blockmodeling:

Esse diagrama é similar a um sociograma, só que se refere a grupos e não a atores. Ele nos informa que o grupo 2 { Antonia, Ricardo e Marcelo} tem grande centralidade na rede, exercendo o papel de broker. Esse grupo, junto com o grupo 3 {Maria, Pedro, Henrique, Eduardo} e o grupo 4 {Paulo e Ana}, trocam informações entre si. O grupo 1 {João} restringe seus contatos ao grupo 2.  No entanto como sabemos que João é quem conecta Marcelo e Ricardo ao resto da rede devemos desconfiar deste resultado. São estas discrepâncias que levam o analista a refinar a análise procurando níveis de desagregação que façam sentido. Neste caso a rede parece ter apenas os dois grandes grupos apontados já na primeira divisão do diagrama.

Numa análise organizacional, a identificação dos papéis dentro da rede é importante. Muitas vezes revelam diferenças entre a estrutura real e a preconizada no organograma, mostrando, também, o grau de entrosamento entre os diversos grupos em uma organização. Mais uma vez, a ARS nos permite ver o que até então estava escondido, tornando mais eficazes os processos de intervenção para a melhoria do desempenho organizacional.

Na terceira e última parte deste artigo irei mostrar como os conceitos desenvolvidos até aqui foram utilizados em alguns casos reais de análise de redes sociais e como esta análises ajudaram a melhorar o desempenho das organizações onde foram aplicados. Esses exemplos também irão mostrar formas inovadoras de se obter os dados assim como apontar usos diferenciados para a ARS. Até lá, não deixe de participar, pontuando e deixando seus comentários.

=========================================

SOBRE O AUTOR: Fernando Guarnieri é Diretor de Formação, Pesquisa e Promoção Institucional da Fundação ITESP, além de doutorando e mestre em Ciência Política pela USP. Estuda e trabalha com Análise de Redes Sociais há mais de cinco anos, tendo utilizado a ARS na academia, para estudar a formação de grupos políticos e, em empresas, para auxiliar nos processos de Gestão do Conhecimento e de Inteligência Competitiva.