Gephi ha sido un compañero diario durante los últimos años. Es una herramienta que me ha ayudado a ver el mundo de otra manera.
Buscar las relaciones entre los elementos viene a ser una tarea casi automática. De ella salen mi curiosidad diaria, pero sobre todo me obliga a no preconcebir nada sin conocer su contexto. Y es difícil! lo se! pero analizar relaciones puede ayudar a tener una visión más amplia.
Gephi es una herramienta que permite analizar, pero sobre todo visualizar. En algún sitio he llegado a leer que es el photoshop de los visualizadores de redes. No se si yo lo calificaría así, más que nada por lo de Open. En todo caso podría ser el Gimp.
La tarea más habitual que realizo es el análisis de conversaciones que se producen en Twitter. La monitorización es un servicio demandado, y tener un extra de información siempre viene bien para hacer una planificación estratégica. No es lo mismo tener una serie de volumétricos, que conocer qué usuarios han sido relevantes, cuales han sido clave en la difusin de la información o qué grupo ha utilizado un determinado hashtag o compartido un enlace.
Más allá de las obligaciones diarias, Gephi también me ha permitido realizar investigaciones y probar ideas. No sólo son conversaciones de Twitter lo que analizo. Podemos utilizarlo para analizar textos, conocer mejor un entramado empresarial o mejorar el SEO de una web con los datos de analytics.
Hay muchas herramientas para realizar análisis de redes. Herramientas de todo tipo y para todos los usos. Las hay muy sencillas como Socioviz que con autenticación directa desde Twitter permite, en su versión gratuita, visualizar y analizar los últimos 100 tweets de una búsqueda, hashtag o usuario. En la versión de pago permite hasta los últimos 5000 tweets dando grafos de menciones y hashtags. Otras muy especializadas como Iramuteq en text mining y que utiliza como base R y que es la más indicada para hacer análisis de discursos. No olvidemos que el análisis semántico también es un buen campo para el ARS. Hay otras que sólo recogen información. En esta categoría podemos encontrar Dmi-Tcat. Ésta proporciona una robusta y reproducible captura y análisis de datos. Sus características analíticas se basan en dos ideas principales; los conjuntos de datos capturados pueden ser refinados de diferentes maneras (consultas de búsqueda, exclusiones, rango de fechas, etc.) y las selecciones resultantes de tweets se pueden analizar de varias maneras, principalmente por la salida de archivos en formatos estándar (CSV para archivos tabulares y GEXF para archivos de red). Ha sido desarrollado por Digital Methods Initiative y la University of Amsterdam. Y también otras que se especializan en el análisis y visualización como Gephi.