O estudo de redes complexas tem despertado muita atenção nos últimos anos, principalmente pela sua capacidade de permitir a análise dos mais diversificados sistemas através de um mesmo conjunto de ferramentas matemáticas e computacionais. Até pouco tempo a ênfase nessa área era sobre o estudo das propriedades estruturas e sua influência em característica globais da dinâmica ocorrendo sobre o sistema. Recentemente foi-se percebendo a riqueza de comportamentos que podemos estudar ao olharmos para grupos de vértices e as interações que ocorrem entre esses grupos, de forma que cada vez mais se torna necessária a criação de uma forma sistemática de quantificar, a nível de nó, como uma dinâmica é influenciada (ou diferenciada) pela estrutura do sistema. Apresentamos nesse trabalho um primeiro passo nessa direção, no qual definimos uma medida que, baseada em características dinâmicas obtidas em diversas condições iniciais, busca comparar o comportamento dos nós presentes no sistema. Através dessa medida encontramos a alta capacidade de modelos de rede geográficas de produzir, por simples flutuações estatísticas, grupos de nós de dinâmica muito distinta em relação ao demais, um fato que não ocorre para uma rede definida de forma semelhante mas não geográfica. Nessas redes conseguimos verificar também se um nó de topologia local distinta dos demais consegue possuir uma dinâmica diferenciada, o que encontramos foi que mesmo em regiões da rede extremamente regulares existe a formação de grupos dinâmicos devido ao efeito da borda dessa região. Saindo de modelos de redes para apresentar aplicações práticas do método, encontramos na rede neuronal do verme Caenorhabditis elegans um conjunto de nós de alta diferenciação dinâmica, que representam os interneurônios do cordão ventral do verme. Adicionalmente encontramos na rede cortical do macaco da família Cercopithecidae uma divisão em relação a regularidade dos sinais dinâmicos, o que indica a presença de comunidades funcionais nessa rede. Além da metodologia de diferenciação desenvolvemos ainda uma ferramenta que busca encontrar de forma totalmente automatizada as características dinâmicas mais relevantes do sistema em estudo, que foi capaz de representar medidas dinâmicas tradicionalmente utilizadas na área. Todos esses resultados abrem caminho para diversas vertentes de estudo, em especial citamos a influência de uma borda irregular no interior de uma região regular, o estudo da rede Caenorhabditis elegans com dinâmicas neuronais mais precisas e a aplicação sistemática de dinâmicas para encontrar a divisão funcional de comunidades em redes direcionadas, um tema que apresenta resultados promissores. / The study of complex networks has drawn much attention over the last years, mainly by virtue of its potential to characterize the most diverse systems through the same mathematical and computational tools. Not long ago the emphasis on this field mostly focused on the effects of the structural properties on the global behavior of a dynamical process taking place in the system. Recently, some studies started to unveil the richness of interactions that occur between groups of nodes when we look at the small scale of interactions occurring in the network. Such findings call for a new systematic methodology to quantify, at node level, how a dynamics is being influenced (or differentiated) by the structure of the underlying system. Here we present a first step towards this direction, in which we define a new measurement that, based on dynamical characteristics obtained for a series of initial conditions, compares the dynamical behavior of the nodes present in the system. Through this measurement we find the high capacity of networks generated by geographical models to exhibit, by means of statistical fluctuations, groups of nodes with very distinct dynamics compared to the rest of the network, a behavior that does not occur for a similar non-geographical network. We also verify if a large topological differentiation of a node necessarily reflects on its dynamics. We find that even in very regular regions of the network the nodes tend to form dynamical groups influenced by the border effects. In addition to the network models used, we present practical applications of the methodology by using the neuronal network of the nematode Caenorhabditis elegans, where we show that the interneurons of the ventral cord presents a very large dynamical differentiation when compared to the rest of the network. We also analyze the cortical network of the Cercopithecidae monkey by means of signal communication complexity, finding that it contains two well-defined functional communities. Besides the differentiation measurement, we also presents an useful mechanism for automatically obtaining the relevant dynamical characteristics of the nodes, which showed promising results by obtaining traditional measurements of the area with little effort. All these results pave the way to a range of different studies, of which we highlight the influence of an irregular border on the dynamics taking place inside a regular network region, the study of the neurons of Caenorhabditis elegans using more robust neuronal dynamics and the systematic application of different dynamics in order to find the functional community division of directed networks.

A teoria do caos estuda o tipo de comportamento, aparentemente aleatório, que apresentam alguns sistemas complexos sensíveis à perturbação dos seus parâmetros, como por exemplo sistemas dinâmicos, fractais, autômatos celulares, entre outros. Os autômatos celulares (ACs) são sistemas dinâmicos discretos que podem apresentar comportamentos caóticos a partir de regras simples. Os ACs tem sido empregados em diversas aplicações principalmente em simulações, mas também tem contribuído no reconhecimento de padrões, processamento de imagens e na Criptografia. A necessidade em transmitir informação de forma mais segura vem crescendo com a necessidade por novos algoritmos criptográficos. Paralelamente, os criptoanalistas vem progredindo constantemente na quebra e na procura de vulnerabilidades destes algoritmos, sendo necessaria a incursão de novas abordagens para atender estes desafios. Neste trabalho é proposto o desenvolvimento e avaliação de algoritmos criptográficos, assim como um novo método de criptoanálise, motivados pela adequação dos ACs caóticos com os princípios de confusão e difusão da Criptografia, seguindo critérios apropriados para a boa construção destes algoritmos, que são sintetizados em três partes: (i) Na proposta do algoritmo de cifra criptográfico baseado no AC caótico, foi sugerida uma estratégia de seleção de ACs em base a combinação de vários critérios como o expoente de Lyapunov, a entropia e a distância de Hamming; visando selecionar um AC apropriado para a geração de números pseudo-aleatórios usados no processo de encriptação/decriptação do algoritmo, o qual é validado por diversos testes de aleatoriedade. (ii) Foi proposto o algoritmo de hash criptográfico baseado numa abordagem híbrida dos ACs e as redes complexas, visando a construção de um algoritmo flexível e de bom desempenho. Os resultados alcançados por ambos os algoritmos criptográficos mostraram-se relevantes quando comparados com o estado da arte, com boas qualidades de segurança e um grande potencial para ser aplicados em problemas reais. (iii) Na proposta do método de criptoanálise foi sugerido traçar equivalências entre os sistemas criptográficos e os ACs caóticos visando explorar e analisar seu comportamento dinâmico, por meio da adaptação do algoritmo do expoente de Lyapunov dos ACs, cujos resultados permitiram encontrar padrões característicos nos modos de operação criptográficos. Os resultados obtidos mostraram que a abordagem dos ACs caóticos para desenvolver os algoritmos pode ser bastante útil em aplicações de Criptografia e Criptoanálise. / Chaos theory studies the apparently random behaviour from some complex systems with highly sensitive to the initial conditions, such as dynamical systems, fractals, cellular automata, among others. Cellular automata (CA) are discrete dynamical systems that may exhibit chaotic behaviour from simple rules. CA have been employed in many multidisciplinary applications, most of them in simulations systems, including pattern recognition, image processing and Cryptography. Nowadays, the development of new cryptographic algorithms is required in order to fulfil the increasing demand for secure transmission of confidential information. These algorithms are intensively analyzed, most of them broken by the cryptanalyst community. We proposed to develop two cryptographic algorithms: a block cipher and a hash function based on chaotic CA and its corresponding evaluation. We also proposed a new cryptanalysis methodology motivated by the strong relationship between the chaotic properties of CA and the cryptographic principles of confusion and diffusion, by following appropriate criteria to the proper design of these algorithms, which are summarized into three parts: (i) To proposed the block cipher proposed it was suggested a methodology to select a suitable CA to Cryptography by means of compounded measures such as the Lyapunov exponent, entropy and Hamming distance. Moreover, this selected CA is employed to generate pseudo-random numbers, which are further used in the encryption/decryption of the proposed block cipher and validated under several randomness tests. The results obtained by this cryptographic algorithm achieved similar and even higher performance when compared to others found in literature. (ii) The cryptographic hash function was developed using an hybrid approach of CA and complex networks, in order to build a flexible algorithm with acceptable performance when compared to conventional hash functions. In general, the results obtained from both cryptographic algorithms showed good security qualities and great potential to be applied in real problems. (iii) To proposed the cryptanalysis methodology it was suggested to draw parallels between cryptographic systems and CA, in order to explore and analise their dynamic behaviour. Hence, upon drawing such parallels, we have a means to adapt the Lyapunov exponent algorithm conceived in the framework of CA. Unexpectedly, the results obtained allow to discriminate among cryptographic modes of operation, which provides significant contributions to the field. Finally, we proved that the chaotic cellular automata approach can be quite useful in applications cryptography and cryptanalysis.

Centralidades são medidas desenvolvidas para determinar a importância dos nós e ligações, utilizando as características estruturais das redes para esta finalidade. As medidas de centralidade são, portanto, essenciais no estudo de redes complexas pois os sistemas representados por elas geralmente são formados por muitos elementos, e com isso, torna-se inviável estudar individualmente cada um deles; dessa forma é necessário identificar os nós e ligações que são mais relevantes em cada situação. Todavia, com o surgimento de ideias diferentes de como esses elementos podem ser importantes, diversas medidas foram propostas com o intuito de evidenciar elementos que passam despercebidos pelas demais. Neste trabalho utilizamos a correlação de Pearson para avaliar o quão semelhantes são as classificações fornecidas pelas centralidades para redes representando sistemas reais e modelos teóricos. Para avaliar a efetividade das medidas e como elas afetam cada sistema, atacamos as redes usando as centralidades como indicadores para a ordem de remoção dos nós e ligações. Procurando caracterizar as redes usando suas diferenças estruturais, realizamos uma análise de componentes principais empregando as correlações entre os pares de centralidade como características de cada sistema. Nossos resultados mostraram que na maioria dos casos medidas distintas estão correlacionadas, o que indica que em geral os mesmos elementos são evidenciados pelas diferentes centralidades; também observamos que as correlações são mais fortes nos modelos do que nos sistemas reais. Os ataques mostraram que medidas fortemente correlacionadas podem influenciar as redes de maneiras distintas, evidenciando a importância do conjunto de elementos selecionados por cada medida. Nosso último resultado demonstra que as correlações entre os pares de centralidades podem ser utilizados tanto para a diferenciação e caracterização de redes quanto na avaliação de modelos que representem melhor a estrutura de um sistema específico. / Centrality measures were developed to evaluate the importance of nodes and links based on the structure of networks. Centralities are essential in the study of networks because these systems are usually large, which make manual analysis of all nodes and links impossible; therefore recognizing such elements is a vital task. As nodes and links can be considered essential by different reasons, a large number of measures were proposed to identify important elements that were not highlighted by the other ones. In our study, we use Pearson\'s correlation coefficient to measure the similarity between rankings of nodes and links provided by different centralities for real and model based networks. We also perform attacks to networks, using these rankings to determine the order of removal of nodes and links, intending to evaluate and compare the efficiency and how the systems react to attacks guided by different centralities. Finally, we use the correlation coefficients between the pairs of centralities as properties of networks, and perform a principal component analysis with them, to evaluate if differences among network structures can be detected from correlations. Our results showed that centrality measures are frequently correlated, which means that the same elements can be highlighted by different centralities. We also noticed that the correlation coefficients are larger in models than in real world networks. The results of the attacks experiment showed that even when two measures are highly correlated, they can affect networks in distinct ways, meaning that the group of the nodes and links provided by each measure are relevant for the study of networks systems. Our last result evidenced that correlations among centrality measures can be used for characterization of networks and to evaluate how well models represent them.

Esta tese aborda o interrelacionamento entre morfologia, topologia e dinâmica de ativação em redes neuronais morfologicamente realistas, construídas com neurônios da base pública Neuromorpho. Foi desenvolvido um arcabouço computacional capaz de simular a dinâmica de ativação neuronal (através do modelo integra-e-dispara) ao longo do desenvolvimento da conexão das redes tridimensionais respectivas. Tal arcabouço permitiu investigar como aspectos da dinâmica de ativação variam ao longo das épocas de desenvolvimento das redes, incluindo antes, durante e depois da percolação. Em particular, calcularam-se correlações de Pearson entre várias medidas dinâmicas e topológicas ao longo das épocas de evolução, de forma a se quantificar de maneira objetiva os possíveis relacionamentos entre a ativação neuronal e a topologia das redes. Foram considerados três tipos de neurônios piramidais: occipitais e pré-frontais de humanos e células piramidais de macado (macaco Rhesus). Os dois primeiros tipos foram verificados (através de histogramas de médias e análise por componentes principais) possuírem características morfológicas semelhantes, enquanto o grupo de células piramidais do macaco apresentaram substancial diferenciação. Vários resultados foram obtidos respectivamente às correlações entre medidas dinâmicas e topológicas. Em particular, verificou- se que os graus médios de entrada e saída das redes estão significativamente correlacionados com as taxas médias de ativação, convergindo rapidamente após a formação do componente fraco. A correlação do grau de entrada mostrou-se mais elevada do que a obtida para o grau de saída. Além disto, a correlação entre o grau de entrada e a taxa média de disparos tendeu a diminuir ao longo das épocas finais das simulações. Verificou-se também como os perfis de evolução de várias correlações entre dinâmica e topologia implicam na diferenciação dos tipos neuronais considerados. / This thesis addresses the interrelationships between morphology, topology and activation dynamics in morphologically realistic neuronal networks, derived from the public data base Neuromorpho. A computational framework has been developed that is capable of simulating the dynamics of neuronal activation (via the integrate-and-fire dynamics) during the development of the network connection in three-dimensional spaces. This framework allowed to investigate how aspects of the activation dynamics vary over the epochs of network development, including before, during and after the critical event of percolation. In particular, we calculated Pearson correlation coefficients between various topological and dynamical measurements throughout the epochs of evolution, in order to quantify in an objective way how the relationships between neuronal activation and network topology changed along the development of the connectivity. We considered three types of neurons: occipital and prefrontal pyramidal cells of human and diverse pyramidal cells of monkey individuals (monkey Rhesus). The first two types were found (via histograms and principal component analysis) to have mostly similar morphological characteristics, while the group of pyramidal cells from apes showed substantial differentiation. Several results were obtained respectively to the correlations between measurements of dynamics and morphology along the epochs of development. In particular, it was found that the input and output average degrees of the network are significantly correlated with the average rates of activation. After a period of large variation that precedes the formation of the weakly connected component, these correlation values converge rapidly to a regime of smooth decrease which suggests saturation of the activation in the network. The correlation implied by the indegree proved to be clearly higher than that obtained for the outdegree. It was also investigated how the profiles of the various correlations along the development epochs implied in the differentiation between the neuronal types considered.

As redes complexas têm recebido um crescente interesse nas mais diversas áreas do conhecimento. Esse crescimento se deve principalmente a sua flexibilidade em modelar e simular estruturas topológicas que aparecem em nosso cotidiano. Na maioria das vezes, a caracterização das redes complexas é baseada em medidas básicas, como média dos graus, graus hierárquicos, coeficiente de aglomeração, entre outras. Muitas das medidas propostas são correlacionadas, implicando em redundância. Este trabalho propõe o uso das caminhadas determinísticas do turista como uma medida de representação robusta e eficiente de redes complexas. Nesta medida, caminhadas são iniciadas por exploradores que partem de um dos vértices da rede e em seguida, informações são extraídas sobre essas caminhadas. Experimentos foram realizados em redes complexas artificiais e em redes modelando imagens de textura. No reconhecimento de redes artificiais, o método proposto foi aplicado em quatro modelos de redes complexas teóricos: redes aleatórias, pequenomundo, livre de escala e geográficas. No reconhecimento de textura, o método foi avaliado em bancos de texturas sintéticas e reais (texturas de folhas de plantas). Em ambas as aplicações, o método alcançou excelentes resultados comparados com o estado da arte / Complex networks have received a growing interest in several areas of knowledge. This growth is mainly due to its flexibility in modeling and simulating topological structures that appear in our daily life. In most cases, complex networks characterization are based on basic measurements such as average degree, hierarchical degree, clustering coefficient, among others. Many of the measures are correlated, resulting in redundancy. This dissertation proposes the use of deterministic walks as a robust and efficient complex network measurement. In this measurement, walks are initiated by explorers starting from each vertex and then, informations are extracted on these walks. Experiments were performed on artificial complex networks and network modeling texture images. In artificial network recognition, the proposed method was applied to four theoretical complex network models: random, small-world, free-scale and geographical networks. In texture recognition, the method was evaluated in synthetic and real (texture of leaves) databases. In both applications, the method achieved excellent results compared with the state of the art methods

The strong relationship between cognitive processing and coherent behaviour and neurocognitive networks justifies the current huge interest in cortical functional connectivity modeling. This has fostered the development of connectivity estimators from the classical bivariate coherence concept to the notion of multivariate partial directed coherence (PDC) which provides information about temporal dependencies exposing cause and effect relationships. This work examines PDC performance for scalp EEG data whose research value has been subject to much debate in the light of the presence of volume conduction (VC) effects that often obscure the actual nature of cortical source dynamics. Through analytical considerations and simulations we show that even though (VC) can hinder accurate connectivity estimation, one can mitigate its effects by a judicious choice of scalp electrode configuration/ground reference. This observation allows settling the connectivity estimation adequacy debate in the presence of PDC. / A forte relação que processamento cognitivo e comportamento coerente tem com redes neurocognitivas justifica o enorme interesse atual em modelamento de conectividade cortical. Este fato tem justificado o desenvolvimento de estimadores de conectividade desde a clássica coerência bivariada até a noção multivariada de coerência parcial direcionada (PDC) que exibe informação a cerca de dependências temporais que permitem expor relações de causa e efeito. O presente trabalho examina o desempenho da PDC no contexto de EEG de escalpo cujo valor em pesquisa sob os efeitos de condução de volume (VC) tem sido objeto de uma quantidade substancial de questionamentos na medida em esta obscurece a observação da dinâmica das fontes corticais. Por meio de considerações analíticas e simulações, mostramos que é possível mitigar os erros de estimação devidos à VC através da escolha judiciosa da configuração de eletrodos e da referência de terra. Esta observação permite resolver o conflito acerca da adequabilidade da inferência cortical baseada em EEG de escalpo.

A dinâmica de movimentação de animais em uma rede de propriedades rurais e o espalhamento de algumas doenças animais estão intrinsecamente relacionados. Assim, compreender a dinâmica do espalhamento de doenças infecciosas nestas redes é um instrumento importante no controle destas. Neste projeto, foram implementados algoritmos para gerar redes de movimentação de animais hipotéticas e reconstruiu-se a rede de movimentações de bovinos do Estado do Mato Grosso, 2007, Brasil. Foram feitas diversas simulações a fim de verificar o espalhamento de doenças agudas e crônicas nessas redes. Diferentes dinâmicas de espalhamento de doenças infecciosas foram observadas em redes com a mesma distribuição de graus e diferentes estruturas topológicas. Espera-se que os resultados das simulações matemáticas possam auxiliar nas atividades dos órgãos responsáveis pela vigilância epidemiológica e incentivar outros Estados a seguirem o exemplo do Estado do Mato Grosso, a construírem bancos de dados que possam ser analisados utilizando a metodologia de redes. / The animals\' movements in a farms network and the spread of some animal diseases are intrinsically related. Therefore, comprehending the dynamics of the spreading of infectious diseases in these networks is an important tool in controlling these diseases. In this project, we have implemented algorithms to generate hypothetical networks of animals\' movements and rebuilt the network of bovine movements from the State of Mato Grosso, 2007, Brazil. We made several simulations in order to check the spreading of acute and chronic disease in these networks. Different dynamics of infectious disease spreading were observed in networks with the same degree distribution and different topological structure. We hope that the results of the mathematical simulations may assist in the activities of agencies responsible for disease surveillance and encourage other States to follow the example of the State of Mato Grosso, to build databases that can be analyzed using the methodology of networks.

A movimentação de animais em uma rede de fazendas e o espalhamento de algumas doenças animais estão intrinsecamente relacionados. Assim, compreender a dinâmica do espalhamento de doenças infecciosas nestas redes é um instrumento importante no controle dessas doenças. Usando as informações sobre as movimentações de bovinos no estado de Mato Grosso, Brasil, em 2007, reconstruiu-se a rede de trânsito e a rede de proximidade geográfica entre os estabelecimentos desse estado, além de redes hipotéticas seguindo os modelos de rede Molloy-Reed, Kalisky, Método A e Método B, onde simulou-se, usando diferentes configurações do modelo SLIRS, o espalhamento de doenças com parâmetros hipotéticos e reais (brucelose e febre aftosa). Além disso, simulou-se o controle do espalhamento dessas doenças considerando o controle por imunização e por restrição, com e sem rearranjo das movimentações após a restrição, selecionando os estabelecimentos a serem protegidos de forma aleatória, baseando-se no grau de movimentação dos animais e utilizando o conceito do paradoxo da amizade. Dentre os resultados, destacam-se que apesar dos padrões das curvas de prevalência nas redes hipotéticas serem semelhantes aos da rede real, os valores observados foram maiores nas redes hipotéticas, indicando que utilizá-las no planejamento de políticas de controle de doenças no lugar da rede real pode levar a um maior uso de recursos do que seria necessário. Além disso, no controle das doenças tanto com parâmetros hipotéticos quanto com parâmetros reais, nas simulações usando apenas a rede de trânsito dos animais, observou-se uma redução mais efetiva da prevalência ao se selecionar os estabelecimentos com maior grau total do que a da seleção aleatória, enquanto que nas simulações que consideraram a rede de proximidade geográfica dos estabelecimentos, a redução na prevalência das estratégias que selecionaram estabelecimentos específicos foram semelhantes aos da seleção aleatória. Sobre o efeito do rearranjo das movimentações, observou-se que este pode facilitar o espalhamento de doenças na rede, mesmo nas situações em que se aplica alguma estratégia de controle. Espera-se que os resultados das simulações matemáticas possam contribuir para a discussão do impacto relativo entre as estratégias de controle mencionadas e que futuramente possam auxiliar nas atividades dos órgãos responsáveis pela vigilância epidemiológica e no desenvolvimento de políticas de prevenção e controle de doenças em animais. / The animals’ movements in a farms network and the spread of some animal diseases are intrinsically related. Therefore, comprehending the dynamics of the spreading of infectious diseases in these networks is an important tool in controlling these diseases. Using the information about the bovine movements from the State of Mato Grosso, Brazil, in 2007, we rebuilt the network of animal movements and the geographic proximity network between the premises of this state, in addition to hypothetical networks following the network models Molloy-Reed, Kalisky, Method A and Method B, where we simulated, using different configurations of the model SLIRS, the spread of diseases with hypothetical parameters e real ones (brucellosis and foot and mouth disease). Moreover, we simulated the control of these diseases spreading, considering the control by immunization and by restriction, with and without the rearrangement of the movements after the restriction, selecting the premises to be protected randomly, based on the degree of animal’s movements and using the concept of the friendship paradox. Among the results, stands out that although the pattern of the prevalence curves in the hypothetical networks were similar to the ones in the real network, the observed values were higher in the hypothetical networks, indicating that using them in the planning of policies to control diseases in place of the real network might lead to a greater expense of resources than it would be necessary. Furthermore, in the control of the diseases both with hypothetical parameters as well as with real parameters, in the simulations using only the animal’s movements network, it was observed a more effective reduction of the prevalence when selecting the premises with the highest total degree than the random selection, while in the simulations that considered the network of geographic proximity of the premises, the reduction in the prevalence of the strategies that selected specific premises were similar to the random selection. On the effect of rearranging the movements, it was observed that it may facilitate the spread of diseases in the network even in situations where some control strategy is used. We hope that the results of the mathematical simulations may contribute to the discussion of the relative impact of the mentioned control strategies and that in the future they may assist in the activities of agencies responsible for disease surveillance and in the development of policies to prevent and control diseases in animals.

A Gestão do Conhecimento pode ser definida como um conjunto de processos para coletar, armazenar, compartilhar e utilizar o conhecimento. No contexto deste trabalho, o processo de compartilhamento do conhecimento é aceito como um elemento fundamental para a realização da Gestão do Conhecimento, pois representa a interação entre os indivíduos que compõem uma rede de relacionamentos da qual o conhecimento emerge. A Análise de Redes Sociais (ARS) apresenta métricas que permitem identicar os relacionamentos da rede e analisálos, porém ainda existem necessidades de identificar ações que possam refletir em uma estrutura de rede que permita maiores possibilidades de compartilhamento do conhecimento. Neste trabalho, as técnicas da ARS foram aplicadas para analisar as características da estrutura de uma rede de estudantes formada a partir de um ambiente web representado pelo uso do Facebook©. A metodologia utilizada foi baseada em um estudo qualiquantitativo, classificado como uma pesquisa descritiva e exploratória. Foram analisados dezoito períodos semanais de comportamento da rede. As análises permitiram entender melhor a representatividade das métricas da ARS no contexto do compartilhamento do conhecimento e uma nova métrica foi proposta (degree-weight). Também foram propostas ações relacionadas às métricas. Um conjunto diferente de ações foi aplicado em duas outras redes. Os resultados indicaram diferentes comportamentos da rede para cada um dos conjuntos de ações. Foi possível ainda identificar maiores possibilidades de compartilhamento de conhecimento para uma das estruturas de rede. / Knowledge Management can be defined as a set of processes to capture, store, share and use knowledge. In the context of this work, the knowledge sharing process is accepted as a basic element to Knowledge Management because it represents the interaction among the individuals that compound a network of relationships from where knowledge emerges. The Social Network Analysis (SNA) offers metrics that make possible identify the network relationships and analyze them, but there still needs to identify actions that may reflect on a network structure that allows opportunities for knowledge sharing. The SNA techiniques were applied to anlyze the characteristics of a network compounded by students and created in a web environment which was represented by Facebook© . The methodology applied was based on a quantitative and qualitative study which was classified as a descriptive and exploratory research. Eigthteen periods of network behavior were analysed. The analyses allow us to understand better the representativeness of SNA metrics in the environment of knowledge sharing. A new metric called degree-weight was proposed. Also it was proposed a set of actions related to SNA metrics. A different set of actions was applied to two distinct networks. The results show us different network behaviors for each one of the set of actions. Also it was possible identify better conditions to the knowledge sharing process for one of the network structures.

No contexto de Redes Complexas, particularmente das redes sociais, grupos de objetos densamente conectados entre si, esparsamente conectados a outros grupos, são denominados de comunidades. Detecção dessas comunidades tornou-se um campo de crescente interesse científico e possui inúmeras aplicações práticas. Nesse contexto, surgiram várias pesquisas sobre estratégias multinível para particionar redes com elevada quantidade de vértices e arestas. O objetivo dessas estratégias é diminuir o custo do algoritmo de particionamento aplicando-o sobre uma versão reduzida da rede original. Uma possibilidade dessa estratégia, ainda pouco explorada, é utilizar heurísticas de refinamento local para melhorar a solução final. A maioria das abordagens de refinamento exploram propriedades gerais de redes complexas, tais como corte mínimo ou modularidade, porém, não exploram propriedades inerentes de domínios específicos. Por exemplo, redes sociais são caracterizadas por elevado coeficiente de agrupamento e assortatividade significativa, consequentemente, maximizar tais características pode conduzir a uma boa solução e uma estrutura de comunidades bem definida. Motivado por essa lacuna, neste trabalho é proposto um novo algoritmo de refinamento, denominado RSim, que explora características de alto grau de transitividade e assortatividade presente em algumas redes reais, em particular em redes sociais. Para isso, adotou-se medidas de similaridade híbridas entre pares de vértices, que utilizam os conceitos de vizinhança e informações de comunidades para interpretar a semelhança entre pares de vértices. Uma análise comparativa e sistemática demonstrou que o RSim supera os algoritmos de refinamento habituais em redes com alto coeficiente de agrupamento e assortatividade. Além disso, avaliou-se o RSim em uma aplicação real. Nesse cenário, o RSim supera todos os métodos avaliado quanto a eficiência e eficácia, considerando todos os conjuntos de dados selecionados. / In the context of complex networks, particularly social networks, groups of densely interconnected objects, sparsely linked to other groups are called communities. Detection of these communities has become a field of increasing scientific interest and has numerous practical applications. In this context, several studies have emerged on multilevel strategies for partitioning networks with high amount of vertices and edges. The goal of these strategies is to reduce the cost of partitioning algorithm by applying it on a reduced version of the original network. The possibility for this strategy, yet little explored, is to apply local refinement heuristics to improve the final solution. Most refinement approaches explore general properties of complex networks, such as minimum cut or modularity, however, do not exploit inherent properties of specific domains. For example, social networks are characterized by high clustering coefficient and significant assortativity, hence maximize such characteristics may lead to a good solution and a well-defined community structure. Motivated by this gap, in this thesis, we propose a new refinement algorithm, called RSim, which exploits characteristics of high degree of transitivity and assortativity present in some real networks, particularly social networks. For this, we adopted hybrid similarity measures between pairs of vertices, using the concepts of neighborhood and community information to interpret the similarity between pairs of vertices. A systematic and comparative analysis showed that the RSim statistically outperforms usual refinement algorithms in networks with high clustering coefficient and assortativity. In addition, we assessed the RSim in a real application. In this scenario, the RSim surpasses all evaluated methods in efficiency and effectiveness, considering all the selected data sets.