Aquesta tesi forma part d'un projecte destinat a predir el rendiment acadèmic dels estudiants de doctorat portat a terme per l'INSOC (International Network on Social Capital and Performance). El grup de recerca INSOC està format per les universitats de Girona (Espanya), Ljubljana (Eslovènia), Giessen (Alemanya) i Ghent (Bèlgica). El primer objectiu d'aquesta tesi és desenvolupar anàlisis quantitatius comparatius sobre el rendiment acadèmic dels estudiants de doctorat entre Espanya, Eslovènia i Alemanya a partir dels resultats individuals del rendiment acadèmic obtinguts de cada una de les universitats. La naturalesa internacional del grup de recerca implica la recerca comparativa. Vam utilitzar variables personal, actitudinals i de xarxa per predir el rendiment. El segon objectiu d'aquesta tesi és entendre de manera qualitativa perquè les variables de xarxa no ajuden quantitativament a predir el rendiment a la universitat de Girona (Espanya). En el capítol 1, definim conceptes relacionats amb el rendiment i donam un llistat de cada una de les variables independents (variables de xarxa, personals i actitudinals), resumint la lliteratura. Finalment, explicam com s'organitzen els estudis de doctorat a cada un dels diferents països. A partir d'aquestes definicions teòriques, en els pròxims capítols, primer presentarem els qüestionaris utilitzats a Espanya, Eslovènia i Alemanya per mesurar aquests diferents tipus de variables. Després, compararem les variables que són relevants per predir el rendiment dels estudiants de doctorat a cada país. Després d'això, fixarem diferents models de regressió per predir el rendiment entre països. En tots aquests models les variables de xarxa fallen a predir el rendiment a la Universitat de Girona. Finalment, utilitzem estudis qualitatius per entendre aquests resultats inesperats. En el capítol 2, expliquem com hem dissenyat i conduït els qüestionaris en els diferents països amb l'objectiu d'explicar el rendiment dels estudiants de doctorat obtinguts a Espanya, Eslovènia i Alemanya. En el capítol 3, cream indicadors comparables però apareixen problemes de comparabilitat en preguntes particulars a Espanya, Eslovènia i Alemanya. En aquest capítol expliquem com utilitzem les variables dels tres països per crear indicadors comparables. Aquest pas és molt important perquè el principal objectiu del grup de recerca INSOC és comparar el rendiment dels estudiants de doctorat entre els diferents països. En el capítol 4 comparem models de regressió obtinguts de predir el rendiment dels estudiants de doctorat a les universitats de Girona (Espanya) i Eslovènia. Les variables són característiques dels grups de recerca dels estudiants de doctorat enteses com una xarxa social egocèntrica, característiques personals i actitudinals dels estudiants de doctorat i algunes carecterístiques dels directors. Vam trobar que les variables de xarxa egocèntriques no predien el rendiment a la Universitat de Girona. En el capítol 5, comparem dades eslovenes, espanyoles i alemnayes, seguint la metodologia del capítol 4. Concluïm que el cas alemany és molt diferent. El poder predictiu de les variables de xarxa no millora. En el capítol 6 el grup de recerca dels estudiants de doctorat és entès com una xarxa duocèntrica (Coromina et al., 2008), amb l'objectiu d'obtendre informació de la relació mútua entre els estudiants i els seus directors i els contactes d'ambdós amb els altres de la xarxa. La inclusió de la xarxa duocèntrica no millora el poder predictiu del model de regressió utilitzant les variales egocèntriques de xarxa. El capítol 7 pretèn entendre perquè les variables de xarxa no predeixen el rendiment a la Universitat de Girona. Utilitzem el mètode mixte, esperant que l'estudi qualitatiu pugui cobrir les raons de perquè la qualitat de la xarxa falla en la qualitat del treball dels estudiants. Per recollir dades per l'estudi qualitatiu utilitzem entrevistes en profunditat. / This thesis belongs to a wider project designed to predict PhD students' academic performance carried out by the INSOC (International Network on Social Capital and Performance). The INSOC research group is composed by the universities of Girona (Spain), Ljubljana (Slovenia), Giessen (Germany) and Ghent (Belgium). The first aim of this thesis is to develop quantitative comparative analyses about the PhD students' academic performance across Spain, Slovenia and Germany from the individual academic performance results obtained in each university member. The international nature of the research group implies that we strongly emphasize comparative research. We use together background variables, attitudinal variables and social network variables for predicting performance. The second aim of this thesis is to qualitatively understand why network variables fail to quantitatively predict performance in the University of Girona (Spain). Thus, this thesis fit into the multimethod tradition. In Chapter 1, we define concepts related with performance and we give a list of each of the independent variables (social network, background and attitudinal variables) with a literature summary. Finally, we explain how PhD studies are organaized in the different countries. Drawing from these theoretical explanations, in the next chapters we first present the questionnaires used in Spain, Slovenia and Germany to measure these different types of variables. Then, we compare the variables which are relevant in order to predict PhD student performance in each country. After that, we fit alternative regression models to predict performance across countries. In all these models network variables fail to predict performance in the University of Girona. Finally, we use a qualitative study to understand this unexpected result. In Chapter 2, we explain how we designed and conducted a survey in the different countries with the aim of explaining the PhD students' performance obtained in Spain, Slovenia and Germany. In Chapter 3, we create comparable indicators wherever some comparability problems arose with particular questions in Spain, Slovenia and Germany. In this chapter we explain how we used all three countries' variables in order to create comparable indicators. This step is very important because the main goal of the INSOC research group is to compare the PhD student's performance between the different countries. In Chapter 4 we compare regression models obtained to predict PhD students' academic performance in the universities of Girona (Spain) and Slovenia. Explanatory variables are characteristics of PhD student's research group understood as an egocentered social network, background and attitudinal characteristics of the PhD students and some characteristics of the supervisors. We find that egocentered network variables do not predict performance in the University of Girona. In Chapter 5 we compare the Slovenian, Spanish and German data, following the methodology used in Chapter 4. We conclude that the German case is very different. Predictive power of network variables does not improve. In Chapter 6 the PhD student's research group is understood as a duocentered social network (Coromina et al., 2008), in order to obtain information regarding the mutual relationship between PhD students and their supervisor and the ties of both to their alters in the network. The inclusion of duocentered network variables does not improve the predictive power of the regression model using egocentered network variables. Chapter 7 attempts to understand why networks fail to predict performance in the University of Girona. Using the mixed method approach, we expect that a qualitative study can uncover the reasons why the quality of the networks fails to translate into the quality of the students' work. For data collection in the qualitative research we used in-depth interviews.

This thesis aims to contribute to a fundamental objective of Network Economics: to provide based incentives explanations of real social network topologies. By using game theoretical tools, the three papers of this thesis analyze how real social networks can arise from the strategic interaction of self-interested individuals.In the first paper, we discuss the influence of imperfect information on the process of social network formation and, specifically, on the possibilities of observing racially segregated societies when agents' preferences are not racially biased. The second work attempts to complete the Network Economics' explanation of the puzzle regarding how agents can benefit from structural holes over a long time period. The third paper presents a model that focuses on the mechanisms underlying the formation of scientific collaboration networks. We show how researchers' heterogeneity and limited processing capability explain the basic characteristics of these networks. / Aquesta tesi aspira a contribuir a un objectiu fonamental de l'Economia de Xarxes: oferir explicacions basades en els incentius de les topologies que adopten les xarxes socials. Usant les eines de la Teoria de Jocs, els tres articles de la tesi analitzen com les xarxes socials que observem a la realitat poden esser fruit de la interacció entre individus que responen als seus propis interessos.En primer lloc, estudiem la influència de la informació imperfecte en la formació de xarxes socials i, específicament, en les possibilitats de tenir societats racialment segregades quan les preferències dels agents no estan racialment esbiaixades. El segon treball, intenta completar l'explicació que l'Economia de Xarxes dóna a l'interrogant referent als forats estructurals i a la gent que s'en beneficia de manera continuada. El darrer capítol, se centra en els mecanismes que expliquen la formació de xarxes de col·laboració científica. Es mostra com l'heterogeneïtat i la limitada capacitat de processament dels investigadors expliquen les caractarístiques bàsiques d'aquestes xarxes.

Data availability is extremely important for water management. Without data it would not be possible to know how much water is available or how often extreme events are likely to occur. The usually available hydro-meteorological data often have a limited representativeness and are affected by errors and uncertainties. Additionally, their collection is resource-intensive and, thus, many areas of the world are severely under-monitored. Other areas are seeing an unprecedented – yet local – wealth of data in the last decades. Additionally, the spread of new technologies together with the integration of different approaches to water management science and practice have uncovered a large amount of soft information that can potentially complement and expand the possibilities of water management. This thesis presents a series of studies that address data opportunities for water management. Firstly, the hydro-meteorological data needs for correctly estimating key processes for water resource management such as precipitation and discharge were evaluated. Secondly, the use of non-traditional sources of information such as social media and human behaviour to improve the efficiency of flood mitigation actions were explored. The results obtained provide guidelines for determining basic hydro-meteorological data needs. For instance, an upper density of 24 rain gauges per 1000 km2 for spatial precipitation estimation beyond which improvements are negligible was found. Additionally, a larger relative value of discharge data respect to precipitation data for calibrating hydrological models was observed. Regarding non-traditional sources of information, social memory of past flooding events was found to be a relevant factor determining the efficiency of flood early warning systems and therefore their damage mitigation potential. Finally, a new methodology to use social media data for probabilistic estimates of flood extent was put forward and shown to achieve results comparable to traditional approaches. This thesis significantly contributes to integrated water management by improving the understanding of data needs and opportunities of new sources of information thus making water management more efficient and useful for society. / All vattenförvaltning kräver tillgång till data. Data behövs för att kunna fastställa t.ex. hur mycket vatten som finns och sannolikheten för stora översvämningar. De hårda hydro-meteorologiska data som normalt är tillgängliga har inte sällan en begränsad representativitet och påverkas av fel och osäkerheter. Dessutom är datainsamling nästan alltid resurskrävande och därför finns hårda data i begränsad utsträckning, eller inte alls, i stora delar av världen. Samtidigt har man under senaste decennierna fått tillgång till en oöverträffad – men lokal – mängd data i vissa områden. Spridningen av ny teknik har, tillsammans med integreringen av olika vetenskapliga metoder inom vattenförvaltning och praktik, påvisat värdet av mjuk information som potentiellt kan komplettera hårda data och förbättra möjligheterna till en god vattenförvaltning. Denna avhandling presenterar studier som belyser vilka möjligheter vattenförvaltningen har vid olika tillgång på hårda data och mjuk information. Först utvärderades vilka krav som kan ställas på hydro-meteorologiska data för att korrekt kunna beskriva nyckelprocesser som nederbörd och vattenföring vid bestämning av vattenresurser. Därefter utforskades möjligheterna att förbättra översvämningsberäkningar med hjälp av mjuk information från sociala medier och rörande mänskligt beteende. Resultaten gav riktlinjer för att bestämma värdet av hydro-meteorologiska data. Till exempel visades att information om nederbördens rumsliga fördelning inte förbättras nämnvärt vid en mätartäthet över 24 regnmätare per 1000 km2. Det relativa värdet av vattenföring visade sig också vara större än för nederbörd för att kalibrera hydrologiska modeller. Det visade sig att en befolknings minne av tidigare översvämningar påverkar effektiviteten hos tidiga varningssystem för översvämningar och deras möjlighet att begränsa skador. Slutligen har en ny metod föreslagits för att använda sociala medier för sannolikhetsberäkningar av översvämmade områden. Metoden visade sig leda till resultat som var jämförbara med traditionella metoder. Avhandlingens huvudsakliga bidrag till en integrerad vattenförvaltning är att öka förståelsen för vilka data som krävs för olika förvaltningsmål och vilka möjligheter som finns att utnyttja mjuk information för att effektivisera vattenförvaltningen göra den mer användbar för samhället. / La disponibilitat de dades és extremadament important per a la gestió de l’aigua. Sense dades no seria possible conèixer ni la quantitat d'aigua disponible ni la freqüència d’esdeveniments extrems. Les dades hidrometeorològiques normalment disponibles tenen una representativitat limitada, es veuen afectades per errors i incerteses i la seva recol•lecció requereix nombrosos recursos, cosa que produeix que moltes zones del món no estiguin adequadament monitoritzades. Així i tot, en les últimes dècades s’ha generat una quantitat de dades sense precedents però de manera localitzada. A més, la difusió de noves tecnologies, juntament amb la integració de diferents enfocaments han permès utilitzar una gran quantitat de dades “toves” per complementar i ampliar les possibilitats en la gestió de l'aigua. Aquesta tesi presenta estudis que aborden algunes de les oportunitats ofertes per les dades per a millorar la gestió de l'aigua. En primer lloc es va avaluar la quantitat necessària de dades hidrometeorològiques per estimar correctament processos clau per a la gestió dels recursos hídrics. En segon lloc es va explorar l'ús de fonts no tradicionals d'informació per millorar l'eficiència de la mitigació d'inundacions. Per exemple, es va identificar una densitat màxima de 24 pluviòmetres per 1000 km2 per estimar la distribució espacial de precipitació, per sobre de la qual les millores són insignificants. A més, es va observar que les dades d’escorrentia tenen un valor relatiu més gran per al calibratge de models hidrològics que les dades de precipitació. Pel que fa a la informació no tradicional, la memòria social d’anteriors inundacions es va identificar com un factor rellevant per a determinar l'eficiència dels sistemes d'alerta d'inundacions i, per tant, del seu potencial per mitigar danys. Finalment, es va proposar una nova metodologia per utilitzar informació provinent de xarxes socials per a realitzar estimacions probabilístiques d'extensió d’inundacions i es va demostrar el seu potencial per aconseguir resultats comparables als d’enfocaments tradicionals. Aquesta tesi aporta avenços significatius per a la gestió integrada de l'aigua mitjançant la millora de la comprensió de les necessitats de dades i de les oportunitats presentades per noves fonts d'informació. D’aquesta manera contribueix a una gestió de l'aigua més eficient i útil per a la societat. / La disponibilidad de datos es sumamente importante para la gestión del agua. Sin datos no sería posible determinar la cantidad de agua disponible o la frecuencia de eventos extremos. Los datos hidrometeorológicos normalmente disponibles tienen una representatividad limitada, son afectados por errores e incertidumbres y su recolección requiere de abundantes recursos, lo cual causa que muchas zonas del mundo no estén adecuadamente monitorizadas. En contraste, en las últimas décadas se ha generado una cantidad de datos sin precedentes pero de manera localizada. Además, la difusión de nuevas tecnologías, conjuntamente con la integración de distintos enfoques, ha permitido usar una gran cantidad de datos “blandos” para complementar y ampliar las posibilidades en la gestión del agua. Esta tesis presenta estudios que abordan las oportunidades ofrecidas por los datos para mejorar la gestión del agua. En primer lugar se evaluó la cantidad necesaria de datos hidrometeorológicos para estimar correctamente procesos clave para la gestión de recursos hídricos. En segundo lugar se exploró el uso de fuentes no tradicionales de información para mejorar la eficiencia de la mitigación de inundaciones. Por ejemplo, se identificó una densidad máxima de 24 pluviómetros por 1000 km2 para estimar la distribución espacial de precipitación más allá de la cual las mejoras son insignificantes. Además se observó que los datos de escorrentía tienen un mayor valor relativo para la calibración de modelos hidrológicos que el de los datos de precipitación. Respecto a la información no tradicional, la memoria social de inundaciones pasadas fue identificada como un factor relevante para determinar la eficiencia de los sistemas de alerta de inundaciones y, por lo tanto, de su potencial para mitigar daños. Finalmente, se propuso una nueva metodología para usar información proveniente de redes sociales para realizar estimaciones probabilísticas de extensión de inundaciones y se demostró su potencial para conseguir resultados comparables a los de enfoques tradicionales. Esta tesis aporta avances significativos para la gestión integral del agua a través de la mejora de la comprensión de las necesidades de datos y de las oportunidades presentadas por nuevas fuentes de información, contribuyendo a una gestión del agua más eficiente y útil para la sociedad.