Professores e Programa da Escola Luso-Brasileira de Análise de Redes Sociais

Apresentamos abaixo um mini currículo dos professores da Escola de Redes e a proposta do programa dos cursos. Esta proposta poderá sofrer pequenos ajustes e aqueles já inscritos no curso serão notificados.

Coordenadores da Escola Luso-Brasileira de Redes versão 2018

Ricardo Barros Sampaio

(Contato da Escola de Redes — Brasil) rbsam@unb.br ou rsampaio.br@gmail.com

Doutor em Ciência da Informação — UnB (2011–2015), e sanduíche no Institut de Recherche en Informatique de Toulouse (IRIT), Université Paul Sabatier — França (2013–2014). Mestre em Administração de Empresas pela Bond University — Austrália (2003). Projetos de pesquisa com foco na aplicação dos métodos de Análise de Redes na área de Ciência, Tecnologia e Sociedade. Tratamento de grandes bases de dados e utilização de ferramenta estatística de linguagem de programação descritiva R. Pesquisador do Núcleo de Redes e Colaboratório de Ciência Tecnologia Sociedade da Fiocruz Brasília; Professor e Pesquisador do Programa de Pós-Graduação em Ciência da Informação da Universidade de Brasília. Coordenador do Grupo de Pesquisa Inteligência Cooperativa em Redes Sociais Complexas, registrado no CNPq — http://lattes.cnpq.br/3477515781752110

Marta Varanda

(Contato da Escola de Redes — Portugal) marta@iseg.ulisboa.pt

Marta Pedro Varanda é socióloga. Licenciada pela Eastern Michigan University (1989), Mestre pela University of South Carolina (1991) e Doutora pela Université des Sciences et Technologies de Lille -Lille 1(2003) .è Professora auxiliar do ISEG/Universidade de LIsboa desde Jan 2014 e investigadora do CSG/SOCIUS (http://pascal.iseg.utl.pt/~socius/home.html ) Anteriormente (desde Julho de 2009) exerceu funções de Investigadora Auxiliar no ICS/UL, onde foi contratada ao abrigo do Programa Compromisso com a Ciência. Tem dinamizado diversos eventos na área de Análise de Redes Sociais com objetivo de desenvolver esta perspectiva teórico-metodológica no mundo lusófono. É membro do Corpo Editorial da Revista REDES (Revista Hispana para el Análisis de Redes Sociales) — http://revista-redes.rediris.es/ — e coordenadora da seção de língua portuguesa. Coordenou o projecto Análise de Redes Sociais no Mundo Lusófono, que visa mapear o sistema de interdependências os analistas de redes de língua portuguesa e esboçar hipóteses explicativas dos fatores inibidores e motivadores do desenvolvimento desta perspetiva teórico-metodológica. — http://lattes.cnpq.br/1574612914044352

Professores da Escola Luso-Brasileira de Redes — 2018 (ordem alfabética)

Charles Kirschbaum

Mestre em Ciência Política pela Universidade de São Paulo (2005) e doutor em Administração de Empresas pela Fundação Getulio Vargas — SP (2006). Pós-doutorado no CEM-Cebrap em sociologia da cultura (2010), e em Columbia University em sociologia econômica (2011). Professor assistente tempo integral — Insper Instituto de Ensino e Pesquisa e pesquisador associado do CEM-Cebrap. líder de tema “Abordagem Institucional nos Estudos Organizacionais” na divisão de EOR da EnAnpad. Desempenha atualmente o papel de líder de tema “Abordagens Relacionais às Organizações” no Semead. Tem experiência na área de Administração, com ênfase em Teoria Organizacional, atuando principalmente nos seguintes temas: teoria organizacional, institucionalismo sociológico, análise de redes sociais, campo organizacional e estratégia empresarial. http://lattes.cnpq.br/7245862293227645

Dalton Lopes Martins

Professor no curso de Biblioteconomia da Faculdade de Ciência da Informação (FCI) na Universidade de Brasília (UnB) e no Programa de Pós-graduação em Comunicação PPGCOM (Mestrado) da Faculdade de Informação e Comunicação da Universidade Federal de Goiás. Possui graduação em Engenharia Elétrica pela Universidade Estadual de Campinas (2002) e mestrado em Engenharia da Computação pela Universidade Estadual de Campinas (2004). Doutor em Ciências da Informação pela ECA-USP (2009–2012), trabalhando com o tema de mapeamento, análise estrutural e dinâmica de Redes Sociais em ambientes digitais distribuídos. Tem experiências nas áreas de inclusão e cultura digital, análise de redes sociais, estudos métricos, organização e representação da informação e aprendizagem de máquina. Tem trabalhado atualmente em pesquisas na interface das áreas de Comunicação e Informação, focando nos fatores e nas condições que favorecem a formação de coletivos inteligentes e pesquisas com aplicações de Ciência de Dados (aprendizagem de máquina e mineração de dados) em problemas envolvendo políticas públicas, mídia e participação social. Coordena o projeto de pesquisa Tainacan — software livre para a construção social de repositórios digitais — parceria com o Ministério da Cultura e Instituto Brasileiro de Museus. http://lattes.cnpq.br/3774617443225038

Inês Amaral

Doutorada em Ciências da Comunicação — especialização Media Interativos (2012), pela Universidade do Minho, com financiamento da Fundação para a Ciência e Tecnologia. Possui graduação em Comunicação Social (2002) e mestrado em Ciências da Comunicação — especialização em Informação e Jornalismo (2007) pela Universidade do Minho. É pós-graduada em Multimédia, Webdesign e Desenvolvimento (2004) pela Universidade Portucalense. Inês Amaral é Professora Auxiliar no Instituto Superior Miguel Torga, onde é vice-presidente do Conselho Científico e coordenadora científica da Licenciatura em Multimédia. Ensina na área da Comunicação Digital. Tem desenvolvido trabalho de investigação sobre sociabilidades na redes sociais digitais, literacia digital, tecnologias e envelhecimento ativo, consumos mediáticos na era digital. Trabalha com Análise de Redes Sociais e Media Sociais. É membro da IAMCR, ECREA, INSNA, COST e SOPCOM. Atualmente integra três ações do COST: IS1402 — Ageism from a Multi-National, Interdisciplinary Perspective; CA15122 Reducing Old-Age Social Exclusion: Collaborations in Research and Policy (enquanto MC Substitute); IS1401ELN Strengthening Europeans’ capabilities by establishing the European literacy network. É co-fundadora da Associação Portuguesa de Formação e Ensino a Distância. Integra a equipa de investigação do Observatório do Ciberjornalismo. http://www.degois.pt/visualizador/curriculum.jsp?key=2537238587233433

Jorge Henrique Cabral Fernandes

Doutor (2000) e Mestre (1992) em Ciência da Computação pela UFPE. Especialista em Engenharia de Sistemas (1988) e graduado em Ciências Biológicas (1986) pela UFRN. É docente do Departamento de Ciência da Computação (CIC) do Instituto de Ciências Exatas, da Pós-Graduação em Ciência da Informação (PPGCINF) da Faculdade de Ciência da Informação e da Pós-graduação em Computação Aplicada (PPCA) do Instituto de Ciências Exatas, na UnB. Atua em estratégia, gestão, planejamento e educação em tecnologia e segurança da informação, segurança e defesa cibernéticas. Emprega métodos e técnicas da gestão, engenharia de software, programação e comunicação entre computadores, da engenharia de sistemas, da análise de redes sociais, da educação e dos estudos sobre o futuro. Foi também diretor do Centro de Informática da UnB, presidente do Conselho de Informática da UnB, pesquisador do Núcleo de Estudos Prospectivos do Centro de Estudos Estratégicos do Estado Maior do Exército. Coordenador do Grupo de Pesquisa Inteligência Cooperativa em Redes Sociais Complexas, registrado no CNPq. http://lattes.cnpq.br/7151669913805328

Ementas da Escola Luso-Brasileira de Redes

Módulo 1: Introdução à análise de redes sociais

Docente: Dalton Lopes Martins Data: 09 de julho de 2018

Descrição

- A temática do curso está voltada para a área das ciências sociais e sociais aplicadas e a relação existente entre grupos sociais em seus diferentes contextos; Serão abordados os conceitos introdutórios sobre a Ciência de Redes e a aplicação de metodologias de Análise de Redes Sociais e seus principais interlocutores e pesquisadores; O curso tem o objetivo prático de apresentar ferramentas de apoio a análise de redes além de realizar atividades práticas de para análise de redes sociais.

Carga horária : 8 (oito) horas distribuídas ao longo de 1 (um) dia de aula teórica e prática.

Objetivo

i) Familiarizar os participantes com os principais conceitos, métodos e medidas da análise de redes sociais. ii) Avaliar diferentes ferramentas existentes para o auxílio no trabalho com redes e dar maior ênfase no software livre Gephi; iii) Analisar e diferenciar tipos de redes (biológicas, tecnológicas, de conhecimento e sociais) além das estruturas de redes (aleatórias, complexas, mundo pequeno, livres de escala, centro periferia); iv) Aplicar algumas métricas de nó e de rede disponíveis (centralidade de grau, betweenness e closeness, densidade, coesão e cliques); v) Realizar atividades práticas de análise de redes já previamente preparadas para análise.

Benefícios

Ao término deste módulo, o participante estará apto a: i)Conhecer os principais conceitos de Análise de Redes Sociais; ii)Conhecer os princípios da ferramenta Gephi para estudo de redes; iii)Aplicar os conceitos e ferramentas utilizadas no curso para obter e disponibilizar informação sobre grupos sociais.

Pré-requisito

Interesse no tema de redes sociais

Descrição da Ementa

Bloco 1 — Introdução a Análise de Redes Sociais; 1.1 Histórico da Análise de Redes Sociais; 1.2 Tipos de redes (biológicas, tecnológicas, conhecimento, sociais); 1.3 Áreas de aplicação da Análise de Redes; 1.4 Principais autores — 2 horas

Bloco 2 — Fundamentos da Análise de Redes Sociais; 2.1 Definições de redes e seus elementos; 2.2 Medidas de Rede; 2.3 Método Exploratório de Análise de Redes e Dados; 2.4 Estrutura das redes (aleatórias, complexas, mundo pequeno, livres de escala, centro periferia) — 2 horas

Bloco 3 — Análise Descritiva e Visualização de Dados de Rede; 3.1 Apresentação geral de ferramentas utilizadas: UCINET, NetDraw e GEPHI; 3.2 Aplicação de Conceitos; 3.3 Caracterização da rede; 3.4 Inspeção visual e análise; 3.5 Visualização e análise da rede Visualização e análise da rede — 4 horas

Bibliografia básica

Barabási, Albert-Laszlo. 2003. Linked: How Everything Is Connected to Everything Else and What It Means. Plume.

Barabási, Albert-László, e Réka Albert. 1999. “Emergence of Scaling in Random Networks”. Science 286 (5439): 509–12. doi:10.1126/science.286.5439.509.

Bastian, Mathieu, Sebastien Heymann, e Mathieu Jacomy. 2009. “Gephi: An Open Source Software for Exploring and Manipulating Networks”. In Third International AAAI Conference on Weblogs and Social Media. http://www.aaai.org/ocs/index.php/ICWSM/09/paper/view/154.

Erdös, P., e A. Rényi. 1959. “On random graphs”. Publicationes Mathematicae 6: 290–97.

Granovetter, Mark S. 1973. “The Strength of Weak Ties”. American Journal of Sociology 78 (6): 1360–80. doi:10.2307/2776392.

Newman, M. E. J. 2001. “The structure of scientific collaboration networks”. Proceedings of the National Academy of Sciences of the United States of America 98 (2): 404–9.

Newman, Mark. 2010. Networks: An Introduction. 1o ed. Oxford University Press, USA.

Wasserman, Stanley, e Katherine Faust. 1994. Social Network Analysis: Methods and Applications. 1o ed. Cambridge University Press.

Watts, Duncan J., e Steven H. Strogatz. 1998. “Collective dynamics of `small-world’ networks”. Nature 393 (junho): 440–42. doi:10.1038/30918.

Módulo 2: ARS Aplicada às mídias sociais

Docente: Inês de Oliveira Castilho e Albuquerque Amaral — Data: 10 de julho de 2018

Descrição

A Análise de Redes Sociais (ARS) é uma metodologia útil para o estudo de estruturas que se materializam nos mídia sociais como redes sociais online. O que estudar através da ARS aplicada aos media sociais? Analisar padrões em relações e interações, seguir caminhos de informação, testar hipóteses sobre comportamento online e sistemas de comunicação mediada por computador, identificar diferentes tipos de atores na rede ou atores-chave, reconhecer padrões em comunidades online, promover a coesão social e o crescimento de uma comunidade, detectar padrões, regularidades e dinâmicas de estruturas sociais. Através do recurso à ARS é possível a análise de dinâmicas relacionais como redes sociais online, redes de ligações, redes de conteúdos, redes de conversação, redes de interação, comunidades online, capital social em redes online, estudos comportamentais online (consumo, relacionamento, influência), fluxos de informação online, redes móveis.

Carga horária: 8 (oito ) horas distribuídas ao longo de 1 (um) dia de aula teórica e prática.

Objetivo

Análise de dinâmicas relacionais em mídia sociais, para projetar e desenvolver análises sistemáticas de redes digitais.

Benefícios

Ao término do módulo, o participante terá adquirido conhecimentos sobre: i)Desenhar projetos de Análise de Redes Sociais em mídia digitais; ii)Análises sistemáticas de redes em mídia digitais; iii)Utilizar crawlers para recolher dados de mídia sociais; iv)Ambiente de trabalho do Gephi; v)Importar dados para o Gephi; vi) Principais formatos e modos de entrada para dados estruturais e de atributos; vii) Trabalhar com métricas de análise de redes e filtros no Gephi; viii)Aspectos básicos da visualização de redes no Gephi; ix)Principais formatos de saída para a exportação de redes.

Pré-requisito

Conhecimento básico de Excel; Não é necessário conhecimento prévio do software Gephi.

Descrição da Ementa

Bloco 1 — Introdução; 1.1) Conceitos e métodos da Análise de Redes Sociais no estudo de estruturas e redes em mídia sociais; 1.2) Métodos digitais complementares à Análise de Redes Sociais no estudo de redes em mídia sociais; 1.3) Desenhar projetos de investigação de Análise de Redes Sociais no estudo de redes e padrões em mídia sociais; 1.4) Estudos de caso: exemplos no Facebook e Twitter de redes de conversação (page likes networks, hashtag networks, threaded networks)- 2 horas

Bloco 2 — Demo prática 1: recolha de dados de mídia sociais; 2.1)Utilizar crawlers para recolher dados de mídia sociais; 2.2) Trabalhar os dados com Excel — 1 hora

Bloco 3— Demo prática 2: importação de dados para o Gephi; 3.1)Importar os dados recolhidos para o Gephi; 3.2) Formatos de entrada e saída — 1 hora

Bloco 4— Demo prática 3: como analisar dados no Gephi; 4.1)Tipos de redes; 4.2) Métricas de análise; 4.3) Trabalhar com filtros — 1 hora

Bloco 5— Demo prática 4: 5.1)Visualização de dados no Gephi; 5.2) Explorar ferramentas de visualização de dados; 5.3)Visualização das redes por propriedades; 5.3) Formatos de arquivo para exportação — 1 hora

Bloco 6 — Participantes exploram conjuntos de dados individualmente e fazem pequena apresentação de resultados no final — 2 horas

Referências

Web:

- Gephi, The graph visualization platform: www.gephi.org

- Gephi Quick Start Tutorial: www.gephi.org/users/quick-start

- Gephi Visualization Tutorial: www.gephi.org/users/tutorial-visualization

- Gephi Layouts Tutorial: www.gephi.org/users/tutorial-layouts

Ackland, R. (2013). Web social science: Concepts, data and tools for social scientists in the digital age. CA: Sage Publications.

Amaral, I. (2016). Redes Sociais na Internet: Sociabilidades Emergentes. LabcomIFP: Covilhã. Online: http://www.labcom-ifp.ubi.pt/livro/286

Bastian, M., Heymann, S., & Jacomy, M. (2009). Gephi: an open source software for exploring and manipulating networks. ICWSM, 8, 361–362.

Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2018). Analyzing social networks. Sage.

Cherven, K. (2013). Network Graph Analysis and Visualization with Gephi. Packt Publishing Ltd.

Fuchs, C. (2013). Social media: A critical introduction. CA: Sage Publications.

Kozinets, R. (2010). Netnography. Doing Ethnographic Research Online. Thousand Oaks, CA: Sage Publications.

Prell, C. (2012). Social Network Analysis: history, theory and methodology. Thousand Oaks, CA: Sage Publications.

Módulo 3: Redes de Afiliação

Docente: Charles Kirschbaum — Data: 11 de julho de 2018

Descrição

- A temática do curso está voltada para a área das ciências sociais e sociais aplicadas e a relação existente entre grupos sociais em seus diferentes contextos; Serão abordados conceitos e abordagens relacionados à análise de redes de afiliação (bi-modal), como por exemplo: participação de indivíduos em conselhos de administração (Board Interlock), votos no congresso, redes de co-autoria, “likes” em postagens no FB; O curso tem o objetivo prático de apresentar ferramentas e realizar atividades práticas de para análise de redes sociais.

Carga horária: 8(dezesseis) horas distribuídas ao longo de 1 dia de aula teórica e prática.

Objetivo

i) Familiarizar os participantes com redes de afiliação (2-mode); ii) Discutir os princípios sociológicos que guiam a interpretação deste tipo de rede; iii) Conhecer algumas ferramentas de análise de redes de afiliação

Benefícios

Ao término deste módulo, o participante estará apto a: i) Conhecer os principais conceitos de Redes de Afiliação; ii)Entender alguns desafios no tratamento de redes de afiliação; iii)Aplicar algumas ferramentas de análise de redes de afiliação.

Pré-requisito

· Introdução à análise de redes sociais; Instalação do software Ucinet

Descrição da Ementa

Bloco 1 — Introdução a Análise de Redes Sociais; 1.1 Dualidade de pessoas e grupos; 1.2 Tipos de redes de afiliação (2-mode); 1.3 Discussão sobre formas de projeção de 2-mode para 1-mode; 1.4 Aplicação prática — 2 horas

Bloco 2 — De “eventos relacionais” a “estados relacionais”; 2.1 Discussão sobre “eventos relacionais” e “estados relacionais”; 2.2 LR-QAP; 2.3 Aplicação prática — 2 horas

Bloco 3 — Centralidade em redes de afiliação; 3.1 Revisão das principais centralidades; 3.2 Aplicação prática — 2 horas

Bloco 4 — Identitificação de Centro e Periferia; 4.1 Revisão do conceito de “Centro e Periferia”; 4.2 Discussão de “Centro e Periferia” em redes de afiliação; 4.3 Aplicação prática — 2 horas

Bibliografia básica

Breiger, R. L. (1974). The Duality of Persons and Groups. Social Forces, 53, 181–190.

Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2013). Analyzing social networks. Los Angeles, Calif.: Sage. (capítulo 1 e 13)

Módulo 4: Modelos Probabilísticos para Dados em Rede

Docente: Jorge Henrique Cabral Fernandes — Data: 12 de julho de 2017

Descrição

Os modelos p* foram desenvolvidos para dar conta de dados que assumem interdependência das observações. Ora, os modelos econométricos clássicos (regressão linear, regressão logística, etc.) assumem independência das observações e portanto não devem ser aplicados a dados relacionais. Em outras palavras, se A conhece C, a existência de um laço entre B e C altera a probabilidade de existência de um laço entre B e A11 Granovetter, M. S. (1973). The strength of weak ties. American journal of sociology, 1360–1380.

Carga horária: 12 (doze) horas distribuídas ao longo de 2 (dois) dias de aula teórica e prática.

Objetivo

O curso visa iniciar os alunos na lógica inferencial e condicional dos dados em rede. A introdução de modelos probabilísticos tem sido um grande avanço na história da sociometria, pois permite testar os mecanismos de geração endógena e exógena de estruturas relacionais.

Benefícios

Ao término do módulo, o participante terá adquirido conhecimentos sobre: i) Passagem do ponto de vista determinístico para o probabilístico; ii) O que significam modelos em ciência; iii)Distribuição de Bernoulli; iv) Testes QAP — Correlação e Regressão linear; v) Modelos condicionais P1; vi) Modelos P — Estrela.

Pré-requisito

Conhecimento básico sobre análise de redes sociais; Não é necessário conhecimento prévio do software

Descrição da Ementa

Bloco 1 — Modelos no Nível Diâdico; 1.1) Passagem do ponto de vista determinístico para o probabilístico; 1.2) O que significam modelos em ciência; 1.3) Distribuição de Bernoulli; 1.4) Testes QAP — Correlação e Regressão linear; 1.5) Modelos condicionais P1; Software: Ucinet 6.0 — 4 horas

Bloco 2 — Modelos no Nível Triâdico; 2.1) O censo das triâdes; 2.2) Isomorfismos triâdicos; 2.3) Probabilidade markoviana; 2.4) A rede como processo endógeno; 2.5) Parâmetros e ajuste dos modelos — Software: Ucinet 6.0 e P-Net — 4 horas

Bloco 3 — Modelos no Nível Suprariâdico; 3.1) Isomorfismos supratriâdicos; 3.2) Probabilidade semicondicional; 3.3) A rede como processo exógeno; 3.4) Modelos com atributos dicotômicos e contínuos; 3.5) Parâmetros e ajuste dos modelos — Software: P-Net — 4 horas

Bibliografia básica

· Wasserman, Stanley; Faust, Katherine. Social Network Analysis. Cambridge University Press. 2009.

· Dean Lusher, Johan Koskinen, Garry Robins Eds. Exponential Random Graph Models for Social Networks. Theory, methods, and applications. Cambridge University Press 2013.

*É recomendável, ainda que não estritamente necessário, que o participante tenha um domínio básico em estatística inferencial.

Módulo 5: Análise de Redes com lingruagem de programação R

Docente: Ricardo Barros Sampaio — Data: 13 de julho de 2017

Descrição

Estudo sobre a Análise de Redes com pacotes para análise de dados científicos e de redes em ambiente de programação R, RStudio e Shiny; A temática do curso está voltada para a área das ciências sociais aplicadas com a utilização dos conceitos de Análise de Redes Complexas no universo da cientometria e outras bases de dados estruturadas; O módulo busca desenvolver competências para o estudo e análise das relações estabelecidas entre indivíduos e grupos sociais, com foco na ciência e suas redes de colaboração científica; Serão abordados os conceitos sobre a Ciência de Redes e a aplicação de metodologias de Análise de Redes Complexas com a utilização de pacotes de rede da linguagem R como igraph, sna e outros; As atividades serão desenvolvidas dentro do ambiente da linguagem R, RStudio e Shiny e para isso serão trabalhadas competências para o seu uso de forma introdutória

Carga horária: 12 (doze) horas distribuídas ao longo de 1 dia de aula teórica e prática.

Objetivo

i) Realizar pesquisas em bases de dados científicas; ii) Avaliar e conhecer diferentes ferramentas e pacotes de software existentes relacionados a Linguagem R para o auxílio no trabalho com redes; iii) Realizar atividades práticas de levantamento, tratamento e análise de dados científicos com uso da metodologia de análise de redes; iv) Estudar o ambiente de programação R, RStudio e Shiny para o uso de forma adequada dos pacotes de análise de redes; v) Descrever o processo de análise de redes e dados, desde o levantamento até a análise e apresentação dos resultados

Benefícios

Ao término do módulo, o participante terá adquirido conhecimentos sobre: i) Realizar pesquisas em bases de dados estruturados de forma a atender sua necessidade informacional; ii) Utilizar o ambiente de desenvolvimento RStudio e Shiny para tratamento e análise de dados em Rede; iii) Conhecer e utilizar corretamente pacotes e ferramentas para apoio à análise de redes; iv) Desenvolver projetos de pesquisa sobre análise de dados

Pré-requisito

Conhecimento básico sobre análise de redes sociais; Conhecimento básico sobre lógica de programação ou sistemas informacionais

Descrição da Ementa

Bloco 1 — Introdução a Linguagem R de programação; 1.1) Linguagem R e Ambiente RStudio; 1.2) Conceitos básicos de R e seus objetos; 1.3) Upload e avaliação de dados em R; 1.4) Instalação e uso de pacotes em R — 2 horas

Bloco 2 — Busca e Tratamento de dados de rede; 2.1) Busca de dados em Bases Científicas; 2.2) Tratamento dos dados no pacote R; 2.3) Criando redes; 2.4) Trabalhando com atributos de nós, linhas e redes — 2 horas

Bloco 3 — Análise Descritiva e Visualização de Dados de Rede; 3.1) Análise descritiva das características de grafos de rede; 3.2) Características de nós e linhas; 3.3) Caracterizando coesão da rede; 3.4) Visualização de dados de rede; 3.5) Elementos de visualização de grafos; 3.6) Distribuição de grafos; 3.7) Exportação da rede e uso em outras ferramentas — 4 horas

Bibliografia básica

Venables, W. N, D. M Smith, e R Development Core Team. 2009. An Introduction to R: A Programming Environment for Data Analysis and Graphics, Version 2.9.0. Bristol, England? Network Theory.

NEWMAN, M. E. J. The structure of scientific collaboration networks. Proceedings of the National Academy of Sciences of the United States of America, 98 (2), p. 404–409, 2001.

WATTS, D. J.; STROGATZ, S. H. Collective dynamics of “small-world” networks. Nature, 393, p. 440–442, jun. 1998. doi:10.1038/30918.

BARABÁSI, Albert-László; RÉKA, Albert. Emergence of scaling in random networks. Science 286 (5439), p. 509–512, doi:10.1126/science.286.5439.509, out.-1999.