Una herramienta desarrollada en la URV permite predecir conflictos en un equipo de trabajo

Lunes, 31 de marzo de 2014

El investigador Roger Guimerà recibe el premio 'Young Scientist Award for Socio- and Econophysics', de la Sociedad Alemana de Física, por su trabajo de investigación

El grupo SEES:lab de la URV ha desarrollado una herramienta que permite analizar redes complejas (aquellas formadas por las interacciones entre unidades de un sistema) y predecir su comportamiento. Esta herramienta se puede aplicar tanto a problemas socioeconómicos como biológicos. La aplicación permite anticipar conflictos en equipos, pero también identificar incompatibilidades entre medicamentos, de forma fácil y rápida. La herramienta es fruto del estudio del grupo en el marco de tres proyectos de investigación internacionales.

Cuando Roger Guimerà y Marta Sales-Pardo, investigadores del grupo SEES:lab de la URV, ven un grupo de gente, no ven sólo personas: ven un sistema complejo formado por nodos y relaciones. Un nodo es cada una de las partes que forma un sistema, es decir, las personas del grupo; un conjunto de nodos y sus interacciones forman una red. Lo que hace interesante un sistema complejo, según Guimerà -investigador y profesor ICREA-, es que "el comportamiento global del sistema no es sólo la suma de las partes", sino que tiene mucho que ver con las relaciones entre cada uno de los nodos. Y es aquí donde su investigación toma relevancia: mediante el estudio de las conexiones entre estas unidades, son capaces de entender mejor los sistemas y predecir patrones de comportamiento.

Fruto de la investigación del grupo SEES:lab se ha desarrollado una herramienta que permite predecir conflictos en un equipo de trabajo: "Cogimos varios equipos en dos momentos, en medio y al final de un trabajo, y les preguntamos con cuáles de sus compañeros les gustaría volver a trabajar en el futuro", explica Marta Sales-Pardo. El resultado fue que, con los datos de la primera entrevista, la herramienta supo predecir las personas que sus compañeros identificaron como conflictivas al final del trabajo, con una fiabilidad estadística elevada.

Múltiples aplicaciones

El trabajo del grupo es "tan abstracto" que tiene usos muy diversos. Por ejemplo, el mismo algoritmo se puede utilizar para encontrar incompatibilidades entre medicamentos. Este es uno de los últimos avances que ha hecho el grupo: "Gracias a las interacciones que sí se conocen", explica Guimerà, "la herramienta predice otras interacciones que pueden ser nocivas para las personas". "Típicamente, habría que probar una por una todas las combinaciones posibles entre medicamentos para saber cuáles son incompatibles", indica Salas. "Con esta herramienta, en cambio, sólo se deberían probar empíricamente los casos que la herramienta identifica como más probables". Además, si se introduce la información recogida en la prueba en la herramienta, ésta continúa aprendiendo y mejorando la forma como identifica las interacciones.

¿Pero cómo es posible que el mismo algoritmo se pueda aplicar a situaciones tan diversas? Para el grupo, la clave está en las conexiones: "A nosotros nos da igual si un sistema son personas o medicamentos", dice Roger. "Lo que hacemos es estudiar las interacciones y, a partir de ellas, predecir otras nuevas". "Los patrones que la herramienta detecta son totalmente diferentes en los dos casos", añade Marta, "pero el proceso y la matemática que hay detrás es siempre la misma".

¿Cómo funciona?

El SEES:lab lleva 5 años trabajando en el desarrollo de la herramienta, en el marco del proyecto Discovery, decomposition and dynamics of complex networks (DDDNET), financiado por la Fundación James S. McDonnell de Estados Unidos, y los proyectos europeos GRODYNET -de Guimerà- y DEDINET -de Sales-Pardo-, financiados por la Comisión Europea. En esencia, la herramienta es capaz de dibujar una red entera si le enseñamos sólo una parte de esta red, es decir, de predecir las conexiones que no conoce. Además, lo hace de forma automática y permite procesar un volumen muy elevado de información en muy poco tiempo. De hecho, cuantos más nodos hay y más información se introduce en la herramienta, más fiable será el resultado.

Por poner un ejemplo, imaginemos que tenemos un juicio con nueve jueces, y conocemos el veredicto de ocho de ellos; queremos predecir el del último juez. Además, conocemos lo que todos ellos han votado en casos anteriores. Si somos capaces de encontrar las afiliaciones (conexiones) entre los diferentes jueces, analizarlas y seleccionar aquellas que son relevantes, podremos encontrar, para este juicio concreto, si el último juez tiene más conexión con aquellos que han votado "culpable" o con aquellos que han votado "inocente" y, por tanto, podremos predecir su voto. Esto es, a grandes rasgos, lo que la herramienta que han desarrollado en el SEES:lab hace: analiza un volumen muy elevado de información, busca las conexiones entre los nodos y les da más o menos relevancia, y genera grupos de nodos según sus conexiones.

Ahora, las investigaciones del equipo se centran en extender su funcionamiento en dos ámbitos: en primer lugar, a sistemas que no son una sola red sino que están formados por varias capas, es decir, que son redes de redes. Por ejemplo, las relaciones (y, por tanto, los patrones que la herramienta identifica) no son los mismos entre familiares, compañeros de trabajo o amigos de la escuela. En segundo lugar, se quiere extender su aplicación a los problemas dinámicos, como por ejemplo entender por dónde se ha propagado una perturbación causada por factores externos en una red.

Premio por este trabajo

Roger Guimerà recibe hoy el premio Young Scientist Award for Socio- and Econophysics, que entrega la Sociedad Alemana de Física, por sus trabajos en el área de la econofísica y la sociofísica. Este premio, dotado con 5.000 euros, reconoce contribuciones excepcionales realizadas por un científico menor de 40 años, utilizando métodos físicos para mejorar la comprensión de los problemas socioeconómicos. Se trata de uno de los premios más prestigiosos del mundo en este campo. El jurado ha destacado, del trabajo de Guimerà, que "sus contribuciones metodológicas incluyen tanto la identificación como la predicción de los enlaces que faltan, lo cual es cada vez más importante en el análisis de grandes cantidades de información". El galardón se entrega hoy en Dresde, durante la reunión de la Sociedad Alemana de Física.

Roger Guimerà nació en Barcelona en 1976, se graduó en Física por la Universitat de Barcelona en 1998, y obtuvo un doctorado en Ingeniería Química por la Universitat Rovira i Virgili en 2003. Desde 2010 es investigador y profesor ICREA en el Departamento de Ingeniería Química de la Universitat Rovira i Virgili, donde codirige el grupo de investigación SEES:lab junto a Marta Sales-Pardo. Antes que este premio, ha recibido el Premi Nacional de Recerca al Talent Jove de la Generalitat de Catalunya (2010), y el Premio Erdos-Rényi de la Network Science Society (2012).