Identificação de comunidades no ISCTE-IUL usando bases de dados e técnicas de análise de redes sociais

Abstract

Ao longo do tempo, a instituição universitária ISCTE-IUL, tem vindo a tornar-se numa referência tanto a nível nacional como internacional, não só pelos seus valores e qualidade de ensino, mas também pela imponência e constante evolução que a sua estrutura apresenta. Atualmente, encontrando-se dividida em 4 escolas que integram 14 departamentos conta com cerca de 10 000 alunos inscritos, assim como cerca 450 docentes e 370 investigadores. Numa instituição com este grande conjunto de entidades, em que cada uma representa uma fonte de conhecimento, é inevitável que se assista à formação de comunidades que possuem interesses a nível científico e de ensino em comum. De igual forma, sem a disponibilização de meios adequados, esta evolução da estrutura da instituição é proporcional à dificuldade, não só por parte dos alunos mas também pelos próprios docentes, de identificar estas comunidades e correspondentes temáticas. Como tal, esta dissertação, inicialmente, recorrendo ao uso dos dados já existentes na instituição relativa aos docentes, apresenta uma solução que permite realizar a modulação dos mesmos sob forma de rede social. Posteriormente, usando as redes sociais resultantes, através do uso de uma plataforma para o efeito, são aplicadas técnicas de análise de redes sociais. Beneficiando desta plataforma e das capacidades computacionais atuais, é possível proceder ao cumprimento do objetivo principal – a identificação das comunidades no ISCTE-IUL. Para além da deteção de comunidades, estas técnicas possibilitam a extração de outros tipos de informação relevante relacionada com as colaborações entre os autores, tal como influência dos mesmos na rede e, correspondentemente, na instituição.

Over time, the ISCTE university institute has become a reference, both at national and international levels, not only by its values and education excellence, but also by the magnificence and constant evolution of its internal structure. Currently, it is divided into four schools that comprise 14 departments, which comprehend nearly 10,000 students enrolled, as well as approximately 450 teachers and 370 researchers. With such abundant number and diversity of entities in the institution, each one being a source of knowledge, the formation of communities that have common interests at scientific and education levels is inevitable. Without the provision of appropriate means, the evolution of the institution is proportional to the difficulty in identifying communities and correspondent interests, not only by students but also by teachers themselves. In this context, this thesis systematizes available data in the institution about professors and researchers and presents a solution that modulates the data in the form of a social network. Thereafter, social network analysis techniques are applied, through the use of a dedicated platform. Benefiting from the operations covered by this platform and the current computing processing capabilities, we proceed to fulfill the main goal: the identification of communities in the institution. Moreover, these techniques allow the extraction of other kinds of relevant information related to research collaborations, such as their influence in the network and the institution.