Métodos de Ensino
As aulas desta unidade curricular são de natureza teórico-prática.
Num primeiro momento, as aulas têm carácter mais expositivo, visando estabelecer as bases teóricas dos temas abordados, seguindo-se
a componente de carácter prático, com a aplicação à análise de redes em contexto e dimensão real, visando a aplicabilidade prática dos
temas e instrumentos de análise introduzidos. A construção e análise dessas redes recorrerá a software específico, incluindo bibliotecas
em Python, procurando responder à análise de redes de grande dimensão, nomeadamente nos temas propostos no conteúdo
programático P5.
Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME):
ME1 – Expositivo: apresentação de conceitos, técnicas e métodos, com grande enfoque em aplicações práticas.
ME2 – Participativo: discussão em aula de casos no âmbito dos temas propostos no conteúdo programático P5, suscitando competências
em análise de redes.
ME3 – Ativo: utilização de softwares de apoio à construção e análise de redes de grande dimensão, incluindo Python, permitindo espaços
laboratoriais que fomentem a utilização autónoma dessas aplicações informáticas.
ME4 – Aplicativo: será proposta a realização de um trabalho de aplicação das metodologias apresentadas, no qual o aluno aplica os
conhecimentos adquiridos a um caso prático no âmbito dos temas propostos no conteúdo programático P5.
Resultados de Aprendizagem
Grande parte dos dados têm em si relações de interação entre os seus elementos, formando redes/grafos. O estudo dessas redes e
respetivas estruturas trazem informação muito relevante, permitindo observar propriedades e padrões nas relações entre os seus
elementos. Estas propriedades têm sido estudadas, desde há muito, no âmbito da teoria dos grafos.
OA1 – Estudo de técnicas de otimização em redes e técnicas da análise de redes.
OA2 – Conhecimento de ferramentas de construção e análise de redes.
OA3 – Aplicação à análise de redes viárias, redes de fluxos comerciais, redes, sociais e redes biológicas.
Competências a desenvolver:
C1 – Domínio das principais características e propriedades topológicas de uma rede/grafo.
C2 – Domínio de ferramentas de construção e análise de redes.
C3 – Domínio de técnicas para a análise de redes, envolvendo caminhos, fluxos, centralidade, comunidade e agrupamento, tendo como
principal motivação a análise de redes sociais.
Programa
P1 – Propriedades das redes/grafos
1.1 – Grau e incidência
1.2 – Caminhos
1.3 – Fluxos
1.4 – Centralidade
1.5 – Cobertura e influência
P2 – Análise de agrupamento, partições, comunidades e cliques em redes/grafos
P3 – Estruturas de dados para a construção de redes
P4 – Ferramentas para a construção e análise de redes
4.1 – Gephi
4.2 – Biblioteca NetworkX do Python
4.3 – Outras ferramentas
P5 – Estudo de aplicações recorrendo à análise de redes
5.1 – Redes viárias e logísticas
5.2 – Redes comerciais
5.3 – Redes biológicas
5.4 – Redes sociais
Estágio(s)
NAO
Bibliografia
Fundamental
Barabási,A.-L.(2016).Network science.Cambridge University Press
Bastian,M.,Heymann, S., &Jacomy, M.(2009).Gephi: An open source software for exploring and manipulating networks. In Proceedings of
the International AAAI Conference on Weblogs and Social Media
Hagberg,A., Schult,D., & Swart, P.(2018).NetworkX reference(Release 2.2rc1.dev20180818003440)[Computer software manual]
Needham, M., & Hodler, A. E.(2019).Graph algorithms: Practical examples in Apache Spark and Neo4j.O’Reilly Media
Complementar
Borgatti,S.P., Everett,M.G., & Johnson,J.C.(2018).Analyzing social networks. Sage
Junker,B.H., & Schreiber,F.(2011).Analysis of biological networks. John Wiley & Sons
Matthias, M.(2023).Social media influencers: A review of operations management literature [Unpublished manuscript]. University of
Waterloo
Seyfosadat, S. F., & Ravanmehr, R.(2023).Systematic literature review on identifying influencers in social networks. Artificial Intelligence
Review, 56(Suppl. 1),567-660