Saltar al contenido
Volver a los resultados

Centralidad de intermediación

Propuesto por
Freeman, L. C.
Año
1977
Tipo
Centrality measure
Familia
Network science

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

La centralidad de intermediación (betweenness centrality), formalizada por Linton C. Freeman en 1977, mide la frecuencia con la que un nodo se encuentra en el camino más corto que conecta cada par de nodos en una red.

Los nodos con alta intermediación actúan como puentes o "brokers": su eliminación fragmenta la red en componentes desconectados de manera más severa que la eliminación de cualquier otro nodo.

La intuición detrás del método

Piense en una red de carreteras urbanas en la que todas las rutas interurbanas se canalizan a través de un único cruce. Ese cruce tiene la máxima intermediación, incluso si solo tiene un número moderado de carreteras. En una red social, una persona que habitualmente transmite información entre dos camarillas que de otro modo estarían desconectadas ocupa la misma posición: puede que no conozca a muchas personas directamente, pero se encuentra en el camino crítico que mantiene unida la red. La centralidad de intermediación cuantifica exactamente ese papel de intermediación, independientemente del recuento de conexiones directas.

Historia

Linton Freeman formalizó la centralidad de intermediación en su influyente artículo de Sociometry de 1977, basándose en usos informales anteriores del concepto por Bavelas (1948) en experimentos de comunicación. La formulación de Freeman unificó varias intuiciones vagas sobre la importancia de los nodos en una única medida computable y se convirtió en la definición canónica utilizada en la ciencia de redes. El algoritmo de Ulrik Brandes de 2001 redujo el cálculo de O(V^3) a O(VE), haciendo que la centralidad de intermediación fuera práctica para redes con miles de nodos y consolidando su lugar como una herramienta estándar en el software de análisis de redes sociales.

Cuándo usarlo

Utilice la centralidad de intermediación cuando su pregunta de investigación se refiera a la intermediación, el control de acceso (gatekeeping) o los nodos puente —actores cuya eliminación interrumpiría el flujo de información o la cohesión de la red. Es apropiada para grafos no dirigidos y dirigidos, y para grafos ponderados donde los pesos de las aristas representan distancia o costo. Es especialmente valiosa en redes de comunicación, redes de citas, grafos de colaboración y cadenas de suministro. No la utilice como única medida de centralidad cuando la intermediación no sea el foco teórico: la centralidad de grado es más simple y suficiente para preguntas de conectividad pura, y la centralidad de vector propio o PageRank captura mejor la propagación del prestigio. Evítela para redes dispersas muy grandes sin una implementación eficiente, ya que el cálculo ingenuo es O(V^2 E).

Limitaciones y consideraciones

  • Computacionalmente costoso en redes muy densas incluso con el algoritmo de Brandes; pueden ser necesarios algoritmos de aproximación para grafos a escala web.
  • Asume que los actores utilizan los caminos más cortos, lo que puede ser poco realista en redes donde los flujos atraviesan rutas más largas (por ejemplo, paseos aleatorios en redes eléctricas).
  • Sensible a aristas faltantes o ruidosas: incluso unas pocas conexiones no observadas pueden cambiar drásticamente las clasificaciones de intermediación.
  • Otorga el mismo peso a todos los caminos más cortos, incluso cuando las capacidades de las aristas o las fuerzas de las relaciones difieren sustancialmente.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Captura roles estructurales de intermediación y puente que la centralidad de grado y de vector propio omiten por completo.
  • Aplicable a redes dirigidas, no dirigidas, ponderadas y no ponderadas con la misma fórmula.
  • La puntuación normalizada permite una comparación significativa de nodos dentro de una red y entre redes de diferentes tamaños.
  • El algoritmo de Brandes hace que el cálculo sea factible para redes con millones de nodos cuando se implementa en bibliotecas optimizadas como NetworkX o igraph.
  • Interpretación teórica bien fundamentada: los nodos de alta intermediación se asocian empíricamente con el control de la información, el poder y los agujeros estructurales en la investigación organizacional y social.

Aplicaciones

  • Identificación de guardianes e intermediarios de información en redes de comunicación organizacional.
  • Detección de nodos de infraestructura crítica en estudios de transporte, redes eléctricas y topología de internet.
  • Búsqueda de autores o artículos intermediarios clave en redes de citas y colaboración.
  • Mapeo de agujeros estructurales y posiciones de intermediación en redes de alianzas interempresariales.
  • Localización de propagadores influyentes en modelos epidemiológicos y de difusión de rumores.
  • Priorización de nodos para intervenciones dirigidas (por ejemplo, vacunación, interrupción) en investigación de salud pública y seguridad.

Cómo funciona

Cómo funciona

1

Para cada par ordenado de nodos distintos (s, t) en la red, se identifican todos los caminos más cortos (geodésicas) entre ellos. Para grafos ponderados, los caminos más cortos se definen por el peso total mínimo de las aristas; para grafos no ponderados, por el menor número de saltos. Este paso establece el universo de caminos sobre los cuales se distribuirá la intermediación.

2

Para cada par (s, t) se cuenta el número total de caminos más cortos sigma(s, t). Cuando existen múltiples caminos igualmente cortos, cada uno se cuenta por separado. Este denominador representa el tráfico total de caminos más cortos entre s y t sin ninguna restricción de enrutamiento.

Fórmula
\sigma(s,t) = \text{number of shortest paths from } s \text{ to } t
3

Para cada nodo candidato v (donde v no es ni s ni t), el número de esos caminos más cortos sigma(s, t) que realmente pasan por v se registra como sigma(s, t | v). La razón sigma(s, t | v) / sigma(s, t) da la fracción del tráfico de caminos más cortos entre s y t que se enruta a través de v.

Fórmula
\sigma(s,t|v) = \text{shortest paths from } s \text{ to } t \text{ passing through } v
4

Estas fracciones se suman sobre todos los pares válidos (s, t) para producir la puntuación bruta de intermediación C_B(v). Un nodo cuya eliminación desconectaría muchos caminos más cortos por pares acumula una suma alta, lo que indica una posición de intermediación estructuralmente crítica.

Fórmula
C_B(v) = \sum_{s \neq v \neq t} \frac{\sigma(s,t|v)}{\sigma(s,t)}
5

Las puntuaciones brutas aumentan con el tamaño de la red, lo que hace que las comparaciones entre redes de diferentes tamaños carezcan de sentido. La normalización por (n-1)(n-2)/2 para grafos no dirigidos (o (n-1)(n-2) para dirigidos) reescala las puntuaciones a [0, 1], donde 1.0 significa que el nodo se encuentra en cada camino más corto y 0 significa que no se encuentra en ninguno. Brandes (2001) introdujo un algoritmo O(VE) que calcula todas las puntuaciones de intermediación simultáneamente en lugar de repetir la búsqueda para cada nodo.

Fórmula
C_B^{\text{norm}}(v) = \frac{C_B(v)}{(n-1)(n-2)/2}

Errores comunes

  • Tratar la alta intermediación como equivalente a un alto grado sin verificar ambos; un nodo periférico puede ocupar el primer lugar en intermediación mientras ocupa el último en grado.
  • Comparar puntuaciones de intermediación brutas (no normalizadas) entre redes de diferentes tamaños.
  • Ignorar la dirección de las aristas en redes dirigidas, lo que puede producir una identificación engañosa de intermediarios cuando los flujos son asimétricos.
  • Aplicar la intermediación estándar a redes ponderadas sin confirmar que los pesos de las aristas se interpretan correctamente como costos (no como similitudes) en el algoritmo de camino más corto.
  • Pasar por alto los métodos de intermediación aproximada para redes grandes y estancar el cálculo en millones de nodos.

Preguntas frecuentes

¿En qué se diferencia la centralidad de intermediación de la centralidad de grado?

La centralidad de grado cuenta las conexiones directas; un "hub" con muchas conexiones obtiene una puntuación alta. La centralidad de intermediación cuenta la frecuencia con la que un nodo se encuentra en los caminos más cortos entre otros; un puente que conecta dos clústeres dispersos obtiene una puntuación alta incluso con pocas conexiones directas. Las dos medidas capturan aspectos ortogonales de la importancia estructural.

¿Debo usar puntuaciones de intermediación normalizadas o brutas?

Utilice puntuaciones normalizadas siempre que compare nodos entre redes de diferentes tamaños o presente resultados a lectores no familiarizados con la escala de su red. Las puntuaciones brutas solo son aceptables para comparaciones dentro de una única red fija donde el denominador es constante.

¿Cómo manejo las aristas ponderadas?

Establezca los pesos de las aristas para representar distancia o costo, no similitud. La mayoría de las implementaciones (NetworkX, igraph) aceptan un parámetro de peso interpretado como distancia; si sus pesos representan fuerza o similitud, inviértalos (por ejemplo, peso = 1/similitud) antes de calcular la intermediación.

¿Es significativa la centralidad de intermediación para redes desconectadas?

Para grafos desconectados, los caminos más cortos entre nodos en diferentes componentes no están definidos (son infinitos). La mayoría del software trata esos pares como si contribuyeran cero a la suma, lo que puede reducir las puntuaciones. Analice cada componente conectado por separado o utilice una variante como la centralidad de estrés con un tratamiento explícito de los pares desconectados.

Mi red tiene millones de nodos, ¿aún puedo calcular la centralidad de intermediación?

El cálculo exacto con el algoritmo de Brandes es O(VE) y puede ser demasiado lento. Utilice aproximaciones aleatorizadas (por ejemplo, muestreo de k nodos fuente) disponibles en NetworkX (betweenness_centrality con el parámetro k) o bibliotecas de grafos como graph-tool, que proporcionan intervalos de confianza en las puntuaciones aproximadas.

Métodos relacionados

Fuentes

  1. Freeman, L. C. (1977). A set of measures of centrality based on betweenness. Sociometry, 40(1), 35–41.

    Abrir referencia DOI
    Copiado.
  2. Brandes, U. (2001). A faster algorithm for betweenness centrality. Journal of Mathematical Sociology, 25(2), 163–177.

    Abrir referencia DOI
    Copiado.