Máster Universitario en Historia de la Monarquía Hispánica, Noviembre 2010. UCM.

2.3.2 Recursos electrónicos para historiadores.Bases de datos, representación y análisis de redes complejas

de cooperación*

R. Maestre-Martínez**

Consejo Superior de Investigaciones CientíficasCentro de Ciencias Humanas y Sociales

Unidad de Sistemas de Información GeográficaMadrid 2010,España

Resumen

Mostraremos el enfoque técnico aplicado en el proyecto Dyncoopnet con el objectivo de identificar losprocesos necesarios para diseñar un Sistema de Información que permita al Investigador en Historia diseñarmodelos de datos específicos y ajustados a sus necesidades utilizando metodologías que aseguren la calidadde los datos. También se proporcionará información de herramientas de diseño, operación y análisis. Seintroducirá un ejemplo para modelar una red de parentesco y se analizaran los resultados obtenidos.Introduciremos dos tipos de análisis: redes y SIG. Para finalizar se propondrá un supuesto práctico y unaposterior ampliación.

1. Introducción

Las bases de datos proporcionan un método a través del cual un investigador puede recopilar datosy almacenarlos, para más tarde, realizar estudios apoyándose en dicha información. Sin una correctaestructuración de los datos, no se podrá mas tarde extraer información de una manera fiable, ordenada yrápida. A menudo no se tiene en cuenta los principios básicos en informática, bases de datos e ingeniería delsoftware para abordar este cometido, pero pueden darse unas nociones básicas para acometer dicha tarea.Introduciremos los principios básicos de diseño para asegurar la calidad de la base de datos y sus datosalmacenados, y así poder formalizar las mejores prácticas para crear un modelo de datos robusto.

*Referencias ESF: FP: 004DynCoopNet y Acciones Complementarias del Ministerio de Ciencia e Innovación: SEJ2007-29226. Esteproyecto también está siendo financiado por el Programa MacroGrupos de la Comunidad de Madrid: Red de investigación: ‘Sólo Madrides Corte. La construcción de la Corte de la Monarquía Católica’, Programa MacroGrupos de la Comunidad de Madrid. ReferenciaCAM: HUM2007-29143-E/HIST

**roberto.maestre@cchs.csic.es, sig.cchs@cchs.csic.es

1

Podemos abordar la problemática de la creación de bases de datos históricas con herramientas informáticas,las cuales nos permitirán diseñar y construir modelos de datos, que una vez implementados en un SistemaGestor de Bases de Datos, soportará las operaciones necesarias para la extracción de la información. Dichasherramientas nos permitirán automatizar todo el proceso desde el diseño a la explotación.Tomaremos como Gestor de Base de datos Microsoft Access (2007) por ser el SGBD más utilizado enproyectos individuales, e indicaremos los pasos básicos para diseñar un pequeño modelo de anális de redesde parentesco entre agentes. Pero lo expuesto aquí son los fundamentos teóricos que permitirán realizar undiseño para cualquier Sistema Gestor de Bases de Datos del mercado.Es especial cabe destacar PostgreSQL[7] con la extensión PostGIS[8] que añade funciones de procesamientoespacial, y además son software libre y multiplataforma.

Diseño SGDB

Operación Modelo /Extracción

Análisis

Figura 1. MetodologíaVisión global

2. Bases de datos

Las bases de datos[2] son programas informáticos que gestionan una cierta información de una maneraestructurada. Nos permiten establecer reglas de integridad para los datos como puede ser la no duplicidad dedatos o la integridad referencial que significa que una entidad (fila o registro) siempre se relaciona con otrasentidades válidas. Además tienen un especial control en los borrados, pudiendo trazar una entidad a lo largode las relaciones que se establezcan en la base de datos.

Un modelo de datos[1] es un lenguaje orientado a describir una Base de Datos. Típicamente un modelode datos permite describir:

Las estructuras de datos de la base: El tipo de los datos que hay en la base y la forma en que serelacionan.

Las restricciones de integridad: Un conjunto de condiciones que deben cumplir los datos para reflejarcorrectamente la realidad deseada.

Operaciones de manipulación de los datos: típicamente, operaciones de agregado, borrado,modificación y recuperación de los datos de la base.

2

3. Diseño

Siempre que nos enfrentemos a un diseño en una base de datos tenemos que pensar el objetivo delmismo. ¿Quiero crear un pequeño diseño para comprobar una cierta característica de mis datos? ¿quierohacer un diseño global y flexible que permita incorporar todos los posibles datos? En el ejemplo de diseñopropuesto partimos de que disponemos unos datos simples en hojas excell con información acerca de agentescomerciales y otro investigador dispone de información sobre el parentesco de estos.En este escenario diseñaremos un modelo de datos para estudiar el impacto, la cohexión, ... de las relacionesentre agentes comerciales a través de sus parentescos.

En este punto introduciremos el concepto de relación , cardinalidad de la relación, e integridadreferencial de una manera práctica. En el diseño propuesto puede observarse la tabla “Agente” quepuede verse como la tabla principal, la tabla “Parentesco” que relaciona la tabla “Agente” y la tabla“Tipoparentesco” que tipifica las tipologías de parentescos y proporcionará unicidad y coherencia en lainformación de la tabla “Parentesco”. Este tipo de tablas de tipologías es muy importante, ya que a travésde ellas podemos controlar la integridad semántica de los datos del modelo evitando así duplicar datos,agilizando la inserción de datos ya que solamente hay que buscarlo (en el caso de que no esté, solamente lodaremos de alta una vez), y nos proporcionará un gran rendimiento en las consultas y ahorro de espacio endisco.

A continuación explicaremos los siguientes puntos:

Establecer integridad referencial básica

Clave primaria

Acceso a los datos de una manera eficiente y ordenada

Diseño final

Figura 2. Integridad referencialIdentificadores de entidades

En la Figura 2 establecemos que el campo “idagente2” de la tabla “parentesco” debe ser un valor delcampo “id” de la tabla “agente”, de esta manera estamos asegurando que el identificador de un agente

3

siempre existe, y a su vez, este no se podrá borrar siempre y cuando esté referenciado en la tabla “parentesco”(borrado en cascada desactivado).

Figura 3. Acceso a camposAcceso a campos de una manera restringida y controlada

En la Figura 3, se observa como se fuerza al usuario a elegir un identificador de la tabla “agente” de unalista, facilitando así la búsqueda de información. En “Columna dependiente” indicamos la columna de latabla indicada en“Tipo de origen de la fila” que se grabará y además podemos mostrar información ampliadasobre ese registro indicándolo en “Número de columnas’.’

Figura 4. Acceso a campos 2Acceso a campos a través de una consulta

La lista mostrada en la Figura 4 puede ser ordenada por cualquiera de sus campos. El usuario podrá buscarcon facilidad el nombre y se grabará el identificador correspondiente de una manera transparente.

4

Figura 5. DiseñoDiseño propuesto

En la Figura 5 se muestra el diseño Entidad-Relación propuesto.

5

4. Análisis I - Redes

Una vez diseñado el modelo de datos e implementado en un Sistema Gestor de Base de datos, aplicaremoslos métodos de análisis para los que fue diseñado el modelo de datos. En el ejemplo propuesto podemosutilizar análisis de redes sociales[3] a través de una potente herramienta como Ucinet[4] utilizando snGraphcomo herramienta de apoyo[5]. Por medio de un código muy sencillo (ver apéndice B) podemos obtener losdatos de la tabla parentesco y formar nuestra red. A partir de esta red podremos trabajar con los algoritmosespecíficos de Ucinet.

Figura 6. DatosDatos de prueba

2

1

1.0

3

1.0

5

1.0

8

1.0 1.0

7

1.0

9

1.0

Figura 7. GraphvizRed visualizada a través de Graphviz

En la Figura 7 obtenemos una representación gráfica con la herramienta Graphviz[6] de los datos de laFigura 6. Con esta representación podemos hacernos una primera idea de la estructura de la red, se puedeobservar que los nodos que no tienen conexión no aparecen en la representación. Exportando en código paratrabajar con la herramienta Ucinet, obtenemos la siguiente red, donde ahora sí podemos ejecutar los análisis

6

definidos en la herramienta.

1.0

1.0

1.0

1.0

1.0 1.0

1.0

1

2

3

4

5

6 78

9

Figura 8. UcinetRed visualizada a través de Netdraw (Ucinet)

5. Análisis II - SIG

Los análisis con Sistemas de Información Geográfica[12, 13], proporcionan una potente herramientade análisis ya que podemos manejar la componente geográfica en nuestros estudios. Para ello, debemosincorporar una tabla de coordenadas geográficas en nuestro modelo de datos y relacionar las coordenadasexpresadas en esta tabla con las entidades que creamos de interés para nuestro estudio.

A partir de una tabla de cooperaciones que integre un punto geográfico (también podrían ser variospuntos geográficos o podrían ser otras figuras como polígonos, ect..), se podría realizar un análisisKernelDensity[10, 11] para estudiar los núcleos geográficos mas fuertes de cooperación.

6. Extensión del supuesto

Se propone como ejercicio extender la tabla “tipoparentesco” añadiendo un número que asigne un pesoa cada tipo de parentesco, utilizándolo más tarde en la generación de la red para establecer los pesos de losenlaces.

A continuación se desea extender el modelo ya existente para que pueda recoger los datos de cooperacionescomerciales entre agentes. En estas cooperaciones se tiene en cuenta solamente los dos agente implicadosy las coordenadas geográficas de cada agente en el momento de la cooperación; en algunos casos se podrátener estas coordenadas y en otros no. Utilizaremos la tabla “tipoparentesco” como base pero añadiremoslas relaciones que existan en la tabla “cooperacionciomercial” estableciendo el peso correspondiente a la

7

distancia física que existió entre los agentes en el momento de cooperación. Se pueden tomar las coordenadascon google maps donde un punto se define como pn = (xn,yn). Dado que las coordenadas que obtenemosmediante google maps son UTM[9], podemos aproximar la distancia entre dos puntos puede ser calculada a

través de la fórmula de la distancia euclídea φ(p1, p2) =√

((x22)− (x2

1))+((y22)− (y2

1))

El diseño para el caso ampliado puede consultarse en el apéndice de material A.

8

A. APÉNDICE: Material

-idagente : int

Agente

-idpunto : int-x : double-y : double

Punto

Parentesco

-idtipoparentesco : int-tipoparentesco : string-peso : double

Tipoparentesco

-idnombreagente : int-nombreagente : string

Nombreagente

-idcooperacion : int

Cooperacion

0..*

0..*

1..*0..*

0..*1

1

0..*

0..*

1

1

Figura 9. Diseño propuesto extendidoDiseño Entidad relación

+idagente integer(10) Nullable = false#Nombreagenteidnombreagente integer(10) Nullable = false

Agente

+idnombreagente integer(10) Nullable = falsenombreagente varchar(255) Nullable = false

Nombreagente

#Agenteidagente integer(10) Nullable = false#Agenteidagente2 integer(10) Nullable = false#Tipoparentescoidtipoparentesco integer(10) Nullable = false

Parentesco

+idtipoparentesco integer(10) Nullable = falsetipoparentesco varchar(255) Nullable = falsepeso real(10) Nullable = true

Tipoparentesco

+idpunto integer(10) Nullable = falsex real(10) Nullable = falsey real(10) Nullable = false

Punto

+idcooperacion integer(10) Nullable = false

Cooperacion

+#Cooperacionidcooperacion integer(10) Nullable = false+#Agenteidagente integer(10) Nullable = false

Cooperacion_Agente

+#Cooperacionidcooperacion integer(10) Nullable = false+#Puntoidpunto integer(10) Nullable = false

Cooperacion_Punto

Figura 10. Diseño propuesto extendidoDiseño físico

El material del curso puede ser solicitado a través de: roberto.maestre@cchs.csic.es y se enviará en unarchivo comprimido rar los diseños, el código, la base de datos y este artículo en PDF.

9

B. APÉNDICE: Código

1 /∗2 ∗ C o p y r i g h t 2009−20113 ∗ Conse jo S u p e r i o r de I n v e s t i g a c i o n e s C i e n t i f i c a s4 ∗ Ce n t ro de C i e n c i a s Humanas y S o c i a l e s5 ∗ Unidad de s i s t e m a s de i n f o r m a c i o n g e o g r a f i c a6 ∗ A t t r i b u t i o n −Noncommercial 3 . 0 Unpor ted − h t t p : / / c r ea t ivecommons . o rg /

l i c e n s e s / by−nc / 3 . 0 /7 ∗ /8 package m a s t e r h i s t o r i a ;9

10 im por t j a v a . s q l . C o n n e c t i o n ;11 im por t j a v a . s q l . Dr ive rManager ;12 im por t j a v a . s q l . R e s u l t S e t ;13 im por t j a v a . s q l . SQLException ;14 im por t j a v a . s q l . S t a t e m e n t ;15 im por t s n g r a p h . node . Sngraph ;16

17 /∗ ∗18 ∗19 ∗ @author Robe r to Maes t r e M a r t i n e z r o b e r t o . m a e s t r e < a t > cchs . c s i c . e s20 ∗ /21 p u b l i c c l a s s Main {22

23 /∗ ∗24 ∗ @param a r g s t h e command l i n e a rgumen t s25 ∗ /26 p u b l i c s t a t i c v o i d main ( S t r i n g [ ] a r g s ) throws SQLException , E x c e p t i o n {27

28 t r y {29 C l a s s . forName ( " sun . j d b c . odbc . JdbcOdbcDr ive r " ) ;30 } c a t c h ( E x c e p t i o n e ) {31 System . o u t . p r i n t l n ( "No se ha pod ido c a r g a r e l D r i v e r JDBC−ODBC" ) ;32 }33 C o n n e c t i o n con = Dr ive rManager . g e t C o n n e c t i o n ( " j d b c : odbc : h i s t o r i a b d d " , "

" , " " ) ;34 S t a t e m e n t s t a t = con . c r e a t e S t a t e m e n t ( ) ;35

36 / / C r e a t e nodes37 s t a t . e x e c u t e Q u e r y ( " s e l e c t ∗ from a g e n t e ; " ) ;38 R e s u l t S e t r e s = s t a t . g e t R e s u l t S e t ( ) ;39

40 Sngraph g = new Sngraph ( ) ;41 w h i l e ( r e s . n e x t ( ) ) {42 g . i n s e r t N o d e ( r e s . g e t I n t ( 1 ) ) ;43 }44

10

45 / / C r e a t e r e l a t i o n s46 s t a t . e x e c u t e Q u e r y ( " s e l e c t ∗ from p a r e n t e s c o ; " ) ;47 r e s = s t a t . g e t R e s u l t S e t ( ) ;48

49 w h i l e ( r e s . n e x t ( ) ) {50 g . i n s e r t W e i g h t B e t w e e n N o d e s ( r e s . g e t I n t ( 1 ) , r e s . g e t I n t ( 2 ) , 1 , t r u e ) ;51 }52

53 System . o u t . p r i n t l n ( g . t o G r a p h v i z ( ) ) ;54

55 System . o u t . p r i n t l n ( g . t o U c i n e t ( n u l l ) ) ;56 }57

58 }

11

C. APÉNDICE: Dyncoopnet complex network

a3a5

a7

a6

a8a9

a10a11a12a13

a14

a16

a17a18

a19

a20a21

a22

a24a25

a26

a27a30a29a28

a31a23

a15a2

a4

a33

a34a32

a35a36

a37a38 a39 a40

a41a44 a43

a46

a47

a48

a49

a50a51

a52

a54

a55

a56a57

a58a59

a60

a61 a62a63

a64a66

a67

a68a42

a69a45

a53a70 a71

a72

a73a74

a75 a76a78

a77

a79

a80

a81a82

a83a84

a85a86

a65

a87a88

a89

a91

a92a93

a94

a95 a96

a97

a90

a98

a99a100 a101

a102a103

a104

a105a106a107

a108

a109a110

a111

a112

a113

a114 a115

a116

a118

a117a119

a120 a121

a122

a123a124 a125

a126 a127

a128a129

a130

a132 a133

a134

a135

a131a136 a137

a138a139

a140a141

a142

a143

a144

a145a146

a147

a148

a149

a150

a151

a153a154

a155a156

a157a158

a159a160

a162a163

a166

a167

a152a170a172

a176a177

a174

a178a168

a179a173

a171

a161

a180

a181a182a183 a184a185 a186

a187

a188

a189a195a196a198

a197

a194a191

a193

a192

a200a201

a202

a203

a204

a205

a206a207

a208

a190a209

a210a211

a212a199

a213

a214

a215

a216a217

a218

a220

a221

a222

a223a224a225

a226a227

a228

a229a230a231

a232

a233

a235

a236

a238

a239

a240

a237

a243

a241

a169

a242

a219

a234

a244

a245

a246

a247

a248a251

a250

a249

a252a253

a254a255

a256

a258

a259a260

a261

a263

a265a266

a257

a264

a262

a268

a270a271

a272

a274

a269

a275

a276

a273

a277

a278

a279a280

a282a281

a283

a284a285

a286

a287

a288

a289

a290a291

a292 a293

a294

a295

a297

a296

a298

a299

a302

a304

a306a307

a309a310

a311a312

a313

a305

a314a315

a308

a301

a316a317

a318a319

a320

a321

a322a323

a324

a325

a326a327

a328a329

a330a331

a332a333

a334a336

a337a338

a303

a339a340

a341

a342

a343a345

a344

a346

a347

a348

a349

a350

a351

a352a353

a354a355

a356

a357

a358

a359a360

a361a362

a363a364 a365

a366

a367a369

a368

a371

a372a373

a375a374

a376

a377

a378a379

a380a382a383

a384

a385a386

a387

a388

a389

a390

a391a392

a393a394 a395

a396a397

a398a399

a401a402a400

a403a404

a405

a406a407

a408a409a410 a411

a412a413

a414a415

a416

a417a418

a419

a421

a422a423

a424

a425a427

a429a430

a428a431 a433

a432 a434

a435a436

a437

a426a439

a440a441

a442a438

a443a444

a445a446

a447

a448

a449

a450

a451

a452a453

a455a456

a454a457

a458a459

a460a461 a462

a463a464

a465

a466

a467

a468

a469a470

a471

a472

a473

a474

a475a476

a477

a478a479

a480

a481

a482

a483a484

a486

a485

a487a488a489

a490

a491

a492

a493a494

a495 a496a497

a498a499

a500a501

a502

a503a504

a505a506

a507

a508

a509 a510

a511

a513

a514 a515a516

a517

a519

a520

a521

a518

a522

a523

a524a525

a526

a527

a528a529

a530 a531

a532a533a534

a535

a536a539

a540a541

a542 a543

a544

a545 a546

a547

a548a549

a550a551 a552

a553

a554

a555a556

a557

a558

a559

a560 a561

a562a512

a563

a564

a565

a566

a567

a568a569

a570a571

a572a573

a574a575

a576

a577a578

a579a580

a581a582

a583a584

a585a586

a587

a588a589c1

c2

c3

c4

c5c6

c7 c8

c10

c11

c62

c13

c14

c15 c12

c16

c17c18 c19

c20

c21

c23c24

c25

c26c27

c28

c29

c30

c31c32

c33

c34c35

c36c37

c38

c39

c40c41

c42

c43

c44

c45

c46c47

c48 c49

c50

c51

c52

c53

c54

c55 c58 c59c60

c61c64

c65

c66

c67

c69c70

c71

c68

c72

c74

c75

c76

c77

c73c78

c80

c82

c138

c81c79

c83

c84

c85

c86

c87

c88c89c90

c91

c92c94

c95c96

c97c98

c99

c100 c101c102

c105c106

c107c109

c110

c111

c112

c113

c114

c115

c117 c119c118

c120

c122

c123

c124

c125

c126

c127

c128

c108

c129c130

c131

c133

c134

c135c139

c140

c141 c142c144

c146

c147

c148

c149c150

c153

c154c155

c156 c157c158

c159

c160

c161

c162

c163

c164c165

c167c168

c170

c171

c172c173

c174

c175c176

c177c178

c179

c180c182

c183

c184

c185

c186

c187

c189

c188c190

c191

c192

c193

c194

c195c196

c197c198

c199

c200

c203c222

c204

c205c206

c209

c210

c207c208

c211

c212c213

c214

c215

c217c216 c201

c218c219

c202

c220

c221

c226

c227

c229c231

c232

c234c235

c236

c237

c242c243

c244c245

c246c247

c248

c249

c250

Figura 11. Complex networkDyncoopnet

12

Referencias

[1] El modelo racional de datos: De los fundamentos a los modelos deductivos. Baizán, M.C.F., isbn9788486251611, 1987, Díaz de Santos

[2] Sistemas de bases de datos: diseño, implementación y administración, Rob, P. and Coronel, C., isbn9789706862860, 2003. Thomson

[3] Introduction to social network methods. R. Hanneman, M. R. University of California 2005. Riverside.

[4] Steve Borgatti, Martin Everett, L. F. (2010). Ucinet. http://www.analytictech.com/ucinet/.

[5] snGraph. R. Maestre-Martinez, 2010. http://digital.csic.es/handle/10261/27556

[6] Ellson, J., Gansner, E., Koutsofios, E., S.C.North, and G.Woodhull (2003). Graphviz and dynagraph –static and dynamic graph drawing tools. In Junger, M. and Mutzel, P., editors, Graph Drawing Software,pages 127–148. Springer-Verlag. http://www.graphviz.org/

[7] PostgreSql (2010). PostgreSql. http://www.postgresql.org/.

[8] PostGIS. Holl, Stephan and Plum, Hans. GeoInformatics, 2009.http://fluidbook.microdesign.nl/geoinformatics/03-2009/?page=34

[9] Defense Mapping Agency Technical Manual 8358 2The Universal Grids: Universal Transverse Mercator (UTM) and Universal Polar Stereographic (UPS).http://earth-info.nga.mil/GandG/publications/tm8358.2/TM8358_2.pdf

[10] Gibin, M., Longley, P. A., Atkinson, P. (2007). Kernel Density Estimation and PercentVolume Contours in General Practice Catchment Area Analysis in Urban Areas. GISRUK.http://ncg.nuim.ie/gisruk/materials/proceedings/PDF/5A3.pdf

[11] Kernel Density on line resource. http://www.spatialanalysisonline.com/output/html/Pointdensity.html

[12] Goodchild, Michael F., (2010). Twenty years of progress: GIScience in 2010. Journal of spatialinformation science Number 1 pp. 3–20 doi:10.5311/JOSIS.2010.1.2. July 27, 2010.

[13] On line resources and information. http://humanidades.cchs.csic.es/cchs/sig/

13