I diversi tool elaborano i dati attraverso algoritmi di natura matematica e statistica che vengono applicati al modello di network, per costruire rappresentazioni visuali utili all’analisi: modificare i colori di diversi reparti, evidenziare le connessioni critiche di un grafo, ecc.. 

I parametri di interesse per queste tipologie di analisi sono:

• Centralità nel network (Network Centrality o Centralization): È una misura del contributo dato dal prestigio, dall’importanza, dall’influenza che un attore possiede all’interno della rete. Misura le potenzialità di un attore sulla base della sola posizione. La centralità si riferisce alla misura in cui una rete ruota attorno ad un singolo nodo. Più specificamente, viene misurata come la percentuale di tutte le centralità possedute da un nodo.
• Centrality Degree: il grado di centralità è il numero di connessioni dirette che un nodo possiede, si è portati a pensare che un nodo con più connessioni sia sinonimo di maggior importanza, ma non è sempre è così. A volte è la qualità e la tipologia della connessioni a fare la differenza.
• Betweness Centrality: misura la strategicità di un nodo nella rete tra due aree importanti della stessa (concetto di betweness). Un individuo con una elevata betweness centrality ha una grande influenza nel flusso di informazioni
• Closeness Centrality: misura quanti passaggi devono essere fatti partendo da un nodo dato per raggiungere il massimo numero possibile di nodi. Gli individui con una alta closeness centrality sono nella posizione ideale per monitorare il flusso di informazioni sulla rete.
• Network Density: la densità del network esprime il livello dei legami all’interno di una rete, ovvero la connettività di ogni singolo soggetto. In sostanza è un indice dello sfruttamento delle opportunità relazionali che un individuo ha a disposizione. 
  Nella figura seguente un esempio chiarificatore dei concetti illustrati sopra. 

  
  

• Clustering o Cluster Analysis: Si tratta di algoritmi che attraverso tecniche di analisi multivariata individuano gruppi omogenei in un insieme di dati, sono utili per capire in che modo una organizzazione è suddivisa in sottogruppi. Tutte le tecniche di clustering si basano sul concetto di distanza tra due elementi della rete, si possono costruire cluster in modo bottom-up (all’inizio ogni nodo è un cluster a sé, poi l’algoritmo provvede ad unirli) o top-down (all’inizio tutti gli elementi stanno in un unico cluster, poi l’algoritmo provvede a suddividerli). Una categorizzazione delle metodologie di clustering è la seguente:
  - Clustering esclusivo: ogni elemento può essere assegnato esattamente ad un solo gruppo
  - Clustering non esclusivo: ogni elemento può appartenere a più cluster
  - Clustering partitivo (oppure k-clustering): ogni elemento è assegnato ad un gruppo sulla base della distanza da un punto rappresentativo del cluster (centroide, medioide, ecc..)
  - Clustering gerarchico:  viene creato un albero che visualizza i passi di accorpamento/divisione dei cluster in modo gerarchico
  - Clustering density-based: il cluster viene creato analizzando l’intono di ogni punto dello spazio, considerando la densità di punti in un intorno di raggio fissato.
• Structural Equivalence: quando due  nodi sono connessi alle stesse persone, hanno lo stesso grado di centralità e di betweness (ecc.) allora si dice che sono strutturalmente equivalenti. Nodi strutturalmente equivalente sono intercambiabili.
• Network Neighborhood: il neighborhood di un nodo è il suo intorno, ovvero quell’insieme di persone che stanno a una determinata distanza.
• External / Internal Ratio: il rapporto tra archi entranti e archi uscenti da un nodo.
• Weighted Average Path Length, Shortest Paths & Path Distribution: la lunghezza dei cammini tra due nodi è una misura della capacità di collegamento tra due individui all’interno di un network. Vi sono molti algoritmi e diverse tecniche per il calcolo dei cammini minimi e l’analisi della loro distribuzione, un esempio relativo ai grafi orientati con archi pesati è l’algoritmo di Dijkstra.

Tra gli strumenti più diffusi per effettuare SNA, in ambito accademico sono da segnalare UCINet, Pajek, ORA e GUESS; mentre in ambito commerciale vanno menzionati InFlow, Keyhubs e NetMiner (di quest’ultimo è riportato uno screenshot in figura sotto).

Per chi volesse approfondire a avere una lista di Software per la Social Network Analysis da valutare e testare, il riferimento è questa pagina di wikipedia: http://en.wikipedia.org/wiki/Social_network_analysis_software

Negli scorsi giorni ho fatto qualche prova con UCINET, effettivamente è piuttosto semplice da utilizzare ma l’interfaccia è ancora primitiva. Magari nei prossimi giorni scrivo due righe riguardo gli strumenti di analisi con UCINET.. Qualcuno può consigliare?

Basta leggere i comunicati stampa, e ti accorgi che una azienda reggiana ha vinto il premio RFID AWARD 2008. Concorso organizzato dall’Università Carlo Cattaneo di Castellanza.

RFID è una tecnologia duttile, con sbocchi applicativi in diversi settori: dalla tracciabilità dei prodotti alle guide turistiche, dalla geolocalizzazione alla raccolta dei rifiuti.
Landi Renzo, azienda leader nella produzione e commercializzazione di impianti GPL e Metano per autovetture, ha promosso un progetto pilota che prevede l’istallazione di tag RFID sui kit installati nella rete di officine.

Il progetto, partito nei primi mesi del 2008, prevede l’introduzione di una soluzione applicativa e tecnica in fase di produzione, dove per ogni kit viene inserito un tag RFID, sul quale sono registrate le matricole delle componenti (creando una vera e propria “scatola nera” dell’impianto).
L’installatore, in fase di installazione del sistema, scrive sul tag RFID le informazioni relative all’auto, creando una correlazione univoca con il kit. Il sistema “Landi Renzo Trace RFID” utilizza i dati registrati per automatizzare il processo di attivazione della garanzia, mediante invio delle informazioni al portale aziendale.
Successivamente, ogni soggetto appartenente alla rete di operatori autorizzati può leggere le informazioni memorizzate nel tag ed aggiornarle a seguito di un ulteriore evento manutentivo. Le informazioni così raccolte sono convogliate sul portale web aziendale, permettendo a Landi Renzo di disporre sempre di tutte le informazioni relative ai propri prodotti presenti sul mercato.
In questo modo la rete di officine autorizzate Landi Renzo potrà avere sempre sotto controllo la storia dell’impianto, con tutti gli interventi effettuati e le matricole di tutti i componenti installati nel tempo.

Questo è il video che descrive il progetto:

Ma non c’è solo Landi Renzo tra i pionieri. Ci sono diversi progetti interessanti sia tra i vincitori che tra i finalisti. Davvero notevole è quello sviluppato dal comune di Laveno Mombello, per agevolare gli spostamenti dei non vedenti. Grazie a un bastone speciale con antenna incorporata e a uno smart-phone con auricolare bluetooth, la persona diversamente abile riceve informazioni sull’area circostante e viene guidata lungo il percorso, leggendo i tag inseriti nel terreno.

Altro progetto degno di nota è quello dell’Università di Padova per il sito archeologico di Nora. Il progetto utilizza il GPS in accoppiata con l’RFID per ricavare in ogni istante la posizione occupata dal visitatore all’interno dell’area archeologica e fornire informazioni sui reperti che si trovano nelle immediate vicinanze.

RFID, così come le reti di sensori, è una tecnologia in “ascesa”. A parte gli scenari più fantascientifici, noto con piacere che si stanno diffondendo applicazioni reali, come quelle presentate al concorso in questione. Ne conoscete altre?