Measurement error in network data: A re-classification

Wang, Dan J.; Shi, Xiaolin; McFarland, Daniel A.; Leskovec, Jure

doi:10.1016/j.socnet.2012.01.003

Cited by 155 publications

(150 citation statements)

References 33 publications

Supporting

Mentioning

132

Contrasting

Unclassified

Order By: Relevance

“…Os valores de Correlação encontrados mostram que, mesmo havendo distorções nas posições relativas de correlação entre os autores, se analisada a distribuição dos valores de centralidade como um todo, a mudança de nomes afeta a centralidade de maneira semelhante à verificada na análise de redes com erros amostrais (Borgatti, 2006;Wang, 2012;Smith, 2013).…”

Section: Resultsunclassified

“…Outro aspecto que chama atenção é que apenas um autor foi apontado como um dos mais centrais nas três redes. Esses resultados, portanto, sugerem uma significativa ocorrência de variações provocadas por ambiguidades de nomes, gerando os problemas apontados por Wang et al (2012), citados na Introdução do presente artigo.…”

Section: Discussionunclassified

“…Os seguintes tipos de erros podem ocorrer em função dessas ambiguidades (Wang et al, 2012): (a) falsos vértices negativos ou positivos: ausência ou inserção indevida de nós na rede; (b) falsas arestas negativas ou positivas: ausência ou inserção indevida de arestas na rede; e (c) vértices falsamente agregados ou desagregados: quando dois ou mais nós são considerados como um nó único na rede ou quando são indevidamente considerados separados.…”

Section: Introductionunclassified

See 2 more Smart Citations

Influência da ambiguidade de nomes na centralidade de redes de coautoria

et al. 2015

View full text Add to dashboard Cite

A ambiguidade de nomes de autores pode gerar uma série de problemas, tanto em estudos bibliométricos, quanto em Análise de Redes Sociais envolvendo esse tipo de dado. Trata-se de um problema ainda não resolvido, que vem se tornando cada vez mais complexo diante do aumento da produção científica no mundo, principalmente em países orientais, onde os nomes dos autores apresentam muitas similaridades, dificultando a correta identificação. O objetivo deste artigo é mostrar como o problema da ambiguidade de nomes influencia as métricas de centralidade utilizadas em Análise de Redes Sociais, que se destinam a identificar o papel desempenhado por um ator dentro de uma rede social. Este estudo baseou-se nas relações de coautoria de cerca de quase 30 mil artigos indexados na Web of Science. Para a análise, foram construídas três redes de coautoria fazendo uso de formas distintas de registro do nome dos autores. Os resultados apontaram diferenças significativas entre as redes, considerando-se as medidas de centralidade de grau (degree), proximidade (closeness) e intermediação (betweenness). O trabalho mostra o quanto é importante uma meticulosa etapa de normalização de nomes e chama atenção para a necessidade de maior discussão da questão no ambiente da academia, em busca de alternativas de solução.

show abstract

Section: Resultsunclassified

Section: Discussionunclassified

Section: Introductionunclassified

See 1 more Smart Citation

Influência da ambiguidade de nomes na centralidade de redes de coautoria

et al. 2015

View full text Add to dashboard Cite

show abstract

“…Essas redes estão sujeitas aos seis tipos de erros classificados por Wang et al (2012a): (i) falsos vértices negativosausência de vértices que deveriam compor a rede; (ii) falsos vértices positivos -vértices erroneamente inseridos na rede; (iii) falsas arestas negativas -ausências de ligações entre vértices que deveriam estar presentes; (iv) falsas arestas positivas -ligações erroneamente representadas na rede; (v) vértices falsamente agregados -situação em que dois ou mais vértices são erroneamente considerados como um único vértice; e (vi) vértices falsamente desagregados -situação em que um vértice é erroneamente considerado como dois ou mais vértices separados.…”

unclassified

“…Conforme apontado em diversos trabalhos (KNAG et al, 2009;WANG et al, 2012a), um mesmo autor pode ter múltiplos nomes decorrentes de abreviações, omissões, mudanças de nome, pseudônimos e erros ortográficos, ao passo que diferentes autores podem se apresentar com o mesmo nome (homônimos). Casos como esses podem gerar erros de vértices falsamente agregados e desagregados.…”

unclassified

Impactos dos nomes nas propriedades de redes sociais: um estudo em rede de coautoria sobre sustentabilidade

Barbastefano

Souza

Costa³

et al. 2013

Perspect. ciênc. inf.

View full text Add to dashboard Cite

A identificação correta dos autores é fator crítico em estudos de Análise de Redes Sociais (ARS) que envolvem redes de coautoria. O objetivo do trabalho é apresentar as diferenças de propriedades entre três redes de coautoria geradas com formas distintas de considerar o nome dos autores. Foi adotado o método bibliométrico. As redes foram construídas com base em 28.916 artigos sobre sustentabilidade, indexados no ISI/Web of Science, fazendo uso do software Pajek. Na análise, foram comparadas as seguintes propriedades: densidade, grau médio, componente gigante, distribuição dos graus, distância média, diâmetro da rede e coeficiente de clusterização de Watts-Strogatz. Os resultados indicaram grandes diferenças entre as redes, sugerindo que estudos de coautoria, fazendo uso de ARS, podem ter resultados comprometidos, caso não haja o tratamento adequado dos nomes dos autores. Diante do crescimento das aplicações de ARS, faz-se necessário o desenvolvimento de estudos e ferramentas voltados para mitigar a ocorrência desses erros.

show abstract

Corrected score methods for estimating Bayesian networks with error‐prone nodes

Huang

Zhang

2021

Statistics in Medicine

View full text Add to dashboard Cite

Motivated by inferring cellular signaling networks using noisy flow cytometry data, we develop procedures to draw inference for Bayesian networks based on error‐prone data. Two methods for inferring causal relationships between nodes in a network are proposed based on penalized estimation methods that account for measurement error and encourage sparsity. We discuss consistency of the proposed network estimators and develop an approach for selecting the tuning parameter in the penalized estimation methods. Empirical studies are carried out to compare the proposed methods with a naive method that ignores measurement error. Finally, we apply these methods to infer signaling networks using single cell flow cytometry data.

show abstract

Measurement error in network data: A re-classification

Cited by 155 publications

References 33 publications

Influência da ambiguidade de nomes na centralidade de redes de coautoria

Influência da ambiguidade de nomes na centralidade de redes de coautoria

Impactos dos nomes nas propriedades de redes sociais: um estudo em rede de coautoria sobre sustentabilidade

Corrected score methods for estimating Bayesian networks with error‐prone nodes

Contact Info

Product

Resources

About