Livro - Manual para Obtener la Estructura de una Red Semántica

Vista previa del material en texto

Universidad Nacional Autónoma de México 
Facultad de Psicología 
División de Investigación y Posgrado ^"^ZJStT^ 
Manual para obtener la 
estructura de una 
red semántica 
C o n f í g u r a c i ó r t 
^ - « L V R e s p a k t o 
£ „ ^ « D e s c a n s a r 
g * P a t a j ^ g ¡ „ 3 « A c í ^ i n a d o 
co o -
C « S e n t a r s e ^ 
« B o n i t a 
- L 
- 2 - 1 0 1 
Dimensión -1 
f 
« F C K U l t C N l 
Serafín f. Mercado Doméjiech 
Elizabeth López Carrartza 
A. Eduardo Velase o Rojano 
• Publicaciones 
Responsable de la edición: Psic. Ma. Elena Gómez Rosales. 
Diseño y Formación: Lic. Rosa Isela García Silva. 
Impresión: Departamento de Publicaciones. 
Universidad Nacional Autónoma de México 
Facultad de Psicología 
División de Investigación y Posgrado 
Manual para obtener la 
estructura de una 
red semántica 
Serafín J. Mercado Doménech 
Elizabeth López Carranza 
A. Eduardo Velasco Rojano 
B a j o A u s p i c i o d e 
P A P I I T 3 1 2 4 0 8 
d e D G A P A , U N A M 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Capítulo I. 
Introducción 
Entender cómo se da el significado de los conceptos ha sido u n 
problema primordial de la psicología. El pensamiento abstracto y 
su comunicación a través del lenguaje, tienen como base la forma-
ción de conceptos, que son categorías abstractas que reúnen una 
serie de entes (objetos, acciones, procesos u otros conceptos) en u n 
conjunto mental, de tal modo que cualquiera de los miembros de 
este, es reconocido como ejemplar del mismo. El perwamiento es 
posible a través de la operación sobre estas categorías abstractas y 
la predicación verbal, que es la expresión de estos procesos a tra-
vés del lenguaje. 
Con el predominio de las teorías del aprendizaje en el segundo 
cuarto del siglo pasado, el problema fue considerado como el en-
tender de qué modo se aprendía u n concepto, entendido esto bási-
camente como un problema de aprendizaje de discriminación, 
donde el sujeto aprendía a distinguir entre atributos relevantes e 
irrelevantes del concepto. La idea de concepto era la desarrollada 
por Carnap (1943,1958), para la lógica simbólica, que era u n ente 
definido por una serie de atributos comunes y fue trasladado tal 
cual a la psicología. Esto establecía conceptos muy bien definidos, 
con límites precisos. 
La aproximación de Rosch (1978), en una etapa posterior, concibe la 
formación de conceptos como la búsqueda de u n prototipo, es decir, 
un ejemplar ideal, que reúna los atributos que definirían el concep-
to y los entes pertenecientes a la clase son adscritos a ese concepto, 
en la medida que comparten dichos atributos. En este caso, ya los 
conceptos no son claramente definidos como los de la lógica de Car-
nap (1958), en los cuales se define con precisión la extensión del 
conjunto, sino que los bordes se tornan borrosos, mal definidos. 
Además los entes próximos al prototipo son mejores ejemplares de! 
mismo y, en la medida que se alejan, van siendo peores. 
En el último cuarto de ese mismo siglo emergió el problema de 
cómo toma su significado u n concepto, lo cual giró en torno a la 
forma como los conceptos se relacionan unos con otros, dándose el 
significado a consecuencia de estas relaciones^ El primer modelo 
' Para algunos autores la relación entre conceptos está dada por meras 
asociaciones. Sin embargo para otros la relación es más compleja. 
3 
M A N U A L I ' A R A U 1 ) T I : N I ; I < I , A l ; , S T K U l . T U I < A I !!• U N A 
R R D S I í m A N I I C A 
de esta naturaleza fue desarrollado por Collins y Qii i l l ian (1969), 
desde la perspectiva del "Procesamiento Humano do la Informa-
ción" al cual se le consideró u n modelo de memoria semántica. Su 
propósito era explicar la forma en que los sujetos daban significa-
do a los conceptos. En esta teoría la información se representaba 
por medio de redes de conceptos, los cuales se relacionaban aso-
ciativamente entre sí, produciéndose en dicha interacción el signi-
ficado propio de cada concepto. 
Posteriormente surgen los modelos "Eleonor" de Rtmielhart, Lind-
say y Norman (1972) y el de "Memoria Asociativa" de Anderson y 
Bower (1973) en donde los autores consideraban a la memoria como 
una red de relaciones determinadas por los vínculos existentes entre 
los conceptos. Todos estos modelos son simulaciones en computado-
ra que pretendían explicar datos de experimentos acerca del desem-
peño de sujetos humanos enfrentados a tareas de definición de con-
ceptos, identificación de las propiedades o características de los 
mismos o de adscripción de estos a categorías más incluyentes. 
Entonces, la red semántica de u n concepto es aquél conjunto de con-
ceptos conectados en la memoria permanente, a través de un proce-
so reconstructivo y no sólo por vínculos asociativos. Dicha red está 
dada por la naturaleza de los procesos de memoria que eligen los 
elementos que la integran a través de la clase de propiedades de los 
elementos que integrarán la red. La estructura semántica va desa-
rrollándose y adquiriendo nuevas relaciones y elementos a medida 
que aumenta el conocimiento general del individuo. El conocimien-
to adquirido se integra a la estructura presente enriqueciéndola, y 
es la memoria como proceso activo de reconstrucción la que extrae 
la irrformación necesaria para formar la red semántica. Este proceso 
de recombinación de los elementos adquiridos da lugar a la com-
pleja interrelación de los eventos que hacen posible el pensamiento 
y que confieren al lenguaje uno de sus principales aspectos: el signi-
ficado, Figueroa, González y SoHs (1976). 
En los 80s Figueroa, Gonzáles y Solís (1976,1981) propusieron un 
modelo denominado de Redes Semánticas Naturales a través del 
cual trataron de exphcar la organización de la información en la me-
moria a largo plazo de los humanos. Para ello desarrollaron una 
técnica para medir el significado basándose en la noción señalada 
de que la memoria se organiza a través de dichas redes. Para ellos la 
red semántica de u n concepto estará dada por aquél conjunto de 
conceptos elegidos por la memoria a través de u n proceso recons-
4 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
tructivo, esto es, no sólo por vínculos asociativos, sino por la clase 
de propiedades de los elementos que integran la red. 
Esta técnica permite recuperar u n modelo tanto individual como 
de grupo; es decir, se puede obtener la red semántica de u n indiv i -
duo, así como una fusión de las redes de un conjunto de personas. 
La fase grupal de la técnica de redes semánticas individuales es un 
método afín a la aproximación de Moscovici (2000) de las repre-
sentaciones sociales. Sin embargo la técnica tiene u n fundamento 
teórico diferente, ya que esta aproximación asume la perspectiva 
de procesamiento de información y, dentro de eUa la posición 
constructívista. 
Figueroa y cois. (1981) plantearon que el estudio de las redes semán-
ticas debería ser natural, es decir, que hay que trabajar con las estruc-
turas generadas por los sujetos rrüsmos, y no con las redes elaboradas 
a través de las simulaciones en las computadoras. Tomando en 
cuenta que el propósito de la técnica de simulación fue crear un mo-
delo teórico viable de la forma como se almacena información en la 
memoria semántica y los experimentos hechos en este campo sólo 
trataron de demostrar la viabilidad de tales modelos. La técnica de 
Figueroa y asociados lo que logra es rescatar las redes semánticas de 
los individuos y de los grupos, dando por hecho el modelo. 
De acuerdo con Sarmiento, Bravo, Pelcastre y Aguilar (1992) el ca-
rácter activo de una red semántica natural, se sustenta en el hecho 
de que los nodos o conceptos tienen relaciones reciprocas y asimé-
tricas de hiponimia/superordenación, es decir que los conceptos 
son incluidos por otros más generales e incluyen a otros más espe-
cíficos; lo cual es importante porque permite explicarel carácter 
relativo de los nodos y el papel de las relaciones en la determina-
ción del significado. Así mismo, los autores señalan que el modelo 
permite estudiar los fenómenos de tipicidad y de relación semán-
tica como los elementos más importantes para explicar la organi-
zación de la información en humanos, que el supuesto de una es-
tructura jerárquica (pág. 167 y 168). 
La Técnica de Redes Semánticas Naturales. 
Figueroa et al. (1981) en su propuesta de dicha técnica señalan que 
se requiere que los individuos partan de un concepto cential 
(nodo) al cual definirán uti l izando únicamente palabras sueltas 
5 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
(no oraciones), como sustantivos, pronombres, adjetivos o verbos, 
pero nunca artículos o alguna otra partícula. Una vez que el sujeto 
termina de definir el concepto, la persona deberá jerarquizar las 
palabras definidoras dando el número 1 a aquella que consideren 
más cercana al concepto o que lo defina mejor, el 2 a aquella que le 
siguiera en importancia y así sucesivamente hasta terminar con las 
definidoras que se hubiesen escrito para dicho concepto. 
Con base en dicha Hsta, y a los valores asignados a las definidoras (je-
rarquía) se logra tener u n mapa de la organización de la información 
de la memoria, puesto que imo de los postulados básicos de las redes 
semánticas es que debe haber alguna organización interna de la in-
formación contenida en la memoria a largo plazo, en forma de red, 
en donde las palabras o eventos forman relaciones, las cuales como 
conjxmto dan el significado. Para ello los autores citados generaron 
una serie de valores que permiten evaluar la riqueza, el grado de 
concordancia entre los sujetos y el grupo. El grado de congruencia 
del grupo y algunas otras medidas que permiten evaluar las redes. 
Dado que la técnica está descrita ampliamente en el trabajo de Val-
dez (1998), aquí sólo describiremos algunos puntos relevantes 
para los fines del presente trabajo. 
Dos de las tareas fundamentales de dicha técnica, como ya lo men-
cionamos anteriormente, es que los sujetos definan con la mayor 
precisión posible el concepto central (nodo) mediante la utilización 
de al menos cinco palabras sueltas (ver diagrama 1) (Valdez, 1998). 
Posteriormente deberán jerarquizar todas las palabras (defirüdo-
ras) en función de la importancia o cercanía de las mismas con el 
nodo (ver diagrama 2). 
Diagrama 1 . Definición del concepto central. 
Nodo C A S A 
Definidoras 
Amplia 
Bonita 
Hogar 
Familiar 
Descanso 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Diagrama 2. Jerarquización de las palabras definidoras. 
C A S A 
Definidoras Jerarquías 
Amplia 4 
Bonita 5 
Hogar 1 
Familia?' 2 
Descanso 3 
Una vez que se tienen todas las aplicaciones, se procede a la obten-
ción de los cuatro principales valores o resultados, con los que se 
analiza la información dada por los sujetos. 
Valor J. El cual resulta del total de palabras definidoras generadas 
por los sujetos. 
Valor M . Dicho valor se obtiene de la multiplicación que se hace 
de la frecuencia de aparición por la jerarquía obtenida para cada 
una de las palabras definidoras, al cual se le llama peso semánti-
co. 
Conjunto SAM. Es el grupo de las diez palabras definidoras que 
hubiesen obtenido los mayores valores M totales. 
Valor FMG. Es u n indicador en términos de porcentajes, de la dis-
tancia semántica que hay entre las diferentes definidoras que inte-
gran al conjunto SAM. 
El procedimiento puede llevarse a cabo de manera manual como 
lo plantea Valdez (1998), o bien a través del procedimiento sugeri-
do por Reyes (1993) capturando directamente en computadora a 
través de programas tales como EXCEL y SPSS, el cual se verá en-
seguida. 
7 
I 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
^ R E D S E M Á N T I C A 
Capítulo II 
El procedimiento de Reyes Lagunes 
En 1993 la Dra. Isabel Reyes Lagunes de la facultad de psicología 
de la U N A M , propuso u n procedimiento para llevar a cabo la cap-
tura y análisis de las redes semánticas en programas de computa-
dora, obteniendo los valores principales propuestos por Figueroa 
y de la misma manera u n gráfico que represente a la red semánti-
ca. A continuación describiremos brevemente este procedimiento 
en una serie de pasos. 
Paso 1 . En una hoja de cálculo en blanco del programa Excel, se 
nombrara a la primera columna con el rubro definidoras y poste-
riormente usara una columna por cada jerarquía considerada en la 
aplicación, dejando una columna intermedia entre cada una de 
ellas, quedando de la siguiente manera, si por ejemplo se conside-
raran solamente 5 jerarquías. 
, ¿ 3 a trf ^ " S k Sf ¡a «ft ^ • « " ' - » f K ' * ' , . - , v > . . 
C8 * 
A B C . G ¡J K 
1 D e f i n i d o r a s ; 1 
T 
4 
'£1 
4 (él i 
T " 
m L-,„.,.. 
•Mi 
Figura 1 . Pantalla de Excel columnas. 
Paso 2. En las columnas intermedias es necesario multiplicar el va-
lor de la jerarquía capturada por su valor inverso, para que los pe-
sos semánticos sean los correspondientes. Para ello se inserta una 
fórmula que realice esta operación. En el ejemplo anterior vería-
mos que los valores capturados en la columna 1 se multiplicarían 
por 5, los de la 2 por 4 y asi sucesivamente. 
8 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
mom«y < Mié ñ =^ 
;,G.iH{.i..y..t..K 
1 Definidoras 1 xS 2 x4 3 x3 4 x2 6 x1 
3 „ ' . ' . . _ 
4 1 . ; . ; ; . i 
5 M ^ 1 
B M i í 
7 ' 
M 
Figura 2. Pantalla de Excel columnas intermedias. 
Paso 3. Se deben capturar en la primera columna todas las defini-
doras, una por fila, cuidando agrupar los sinónimos y marcar en 
las columnas de jerarquía la frecuencia correspondiente; por ejem-
plo, si 3 participantes mencionaron la definidora azul, dos le die-
ron la jerarquía 1 y una persona le asigno el puesto 3 entonces se 
marcara u n 2 en la columna 1 y u n 1 en la columna 3. 
Es importante resaltar el hecho de que debido a las formulas que 
ya hemos introducido, en las columnas intermedias automática-
mente aparecerán los valores correspondientes. 
LIO r» » 
D«finldoras 
azul 
|8j C IPJ E 'Fl e JHI I I J I Klg 
1 x 5 2 x 4 3 x 3 4 x 2 6 x 1 
2: 10: i OM 3: 0: O' 
Figura 3. Pantalla de Excel vaciado de los datos. 
9 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 4. Una vez que se ha completado la captura ya se tiene el va-
lor J, al ver el total de definidoras capturado. En ese momento se 
utiliza una nueva columna, llamada peso semántico, la cual co-
rresponde al valor M de Figueroa y en la que se usa una fórmula 
que sume los valores de las columnas intermedias. 
MUI 
domar 
Se™»'*' 
6 j camoda 
7 V colchan 
¿íilmobada 
SllsAbana 
5 Ü 7 K 3 24 1 
4 0 i 3 ;27 :2i 16 1 
6Mi 5 
' ¡ 2 13: oi: 
B 4 7a 
o'l 6 0 1 
70 2 18̂ 0 2 « ; 2 12 0 0 
0 1 5 3 2< 2 n'4,24 1 5 6 24 1 
10;5!4S;1: 8 2 « : t ' 6i2'10 1 i 1 
1288.135533; -1B8135S93 
155; 262711864 -162711664: 
121 205,034746; -lOiOB+W, 
lia 200J -m. 
116' 196.610169; -96.8101685 
11B 
103 
100- 1E9.43152S; -£94915254 
Figura 4. Pantalla de Excel valor M . 
Paso 5. Para seleccionar las definidoras importantes se ordenan 
los datos, en la opción de la barra de menús con ese nombre, con la 
columna PS de forma descendente y se inserta u n gráfico lineal de 
esa columna. Es importante que para los rótulos del eje x se selec-
cione la primera columna. 
r " ' , 3 l « _ " ^ ' ¡ i ^ « . » * • * « ; « « V " - 4 . 1 < » f . r , ¿ « ^ - 4 . , f » ' » » « « » . 
jf. »•"*>-1»<|gMnMMHMnHnílBÉlÉÉÍI||||Qg|̂ 
I-X10:2:K9 3;xe 4;x7;5:)d 
4 0 ; 2 ; I 8 1 : 8 ; 2 14:1 
«íi.V 2 16 . 0: 
o;3;37 4:331: ?' 
2 0 : 3 ' 2 7 0:J:14 
20 1 9 1 : g 2 M 
20 . O 0 2 1 4 3 
10 0 1: a 4 : 28 
0: 10:3:27 1 8 
0 : 1 : 9 2 : 1 6 . 1 
10;2:ta 1; 6 
10' O D 1 
10 1 , 9 1 8 1 
30 O O 
0 1 : 9 2 :161 
; 3 . O 
; 9 ' 
o 
i D : i ; 
0 1 ; 
30 
ü 0 1 
O 3 21 
- 3 
.'id 
« w f c r i <a»4. »*« .1 
: B' ' U I W B I 
Figura 5. Pantalla de Excel gráfica de peso semántico. 
10 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 6. En el gráfico se identifica el primer punto de corte de la 
función y hasta ahí se considera que se establece el conjunto 
SAM. 
g » d - = ! * » » • I n - W 6 » — D . ™ — « n ú « a u n . 1 
& i « i t o 2 T * 
( ^ / « s , * ^r^^m. í^3í>.r« « 
1 k W . 2 « 9 > « • 4 s 7 J«t .<>S > > 4 
4 40^2 ta l . B 3 _ U I í O O 
11 4 0 ' 3 ¡ J 7 i « ; oí : o; 
0 3 , 2 7 4 37 1 7 n 
'2: 2 0 i 3 ; 2 7 D;2 14: : Q: 
12 3 0 i l ! 9 1 9 2:14: O 
13 a)¡ i O, 0 ; 2 ; i 4 ; 3 ; i 8 
1. ID̂ ; 0 1 a;4:28: O 
10:3:271 a : oi 0:1 
(•dif>i;««i:i's CSC 
• Oi i o o™' 
ol ; o 
ni ; o 
o o 
• 0; : o 
0: O 
z : 
2 :caciMr 
4ih««> ; 
S ; C i t a i l « 2 
6 _ : c o c « i : 2 
9; ! c a < k . 1 
í ^ i t j » » :1 
IDIJM 
11 :cakmtii«biMiit«fl 
rtjíTüKit Sí 
13';M M 
U : ! n e c e i « r a ;3 
; O 
i 5- • 
O 
O 1 
o 
0 1 ' 9 2 IB 1 7 1: 6 i _ 5 
10:2:18 I 
10; : O 0 1 
l O i i ; 9 1 8 t 
30: : O Q 
0 1 9 2 IB 1 
O 1 S 
r 4 34 
I I I I £ i 
Figura 6. Pantalla de Excel selección del conjunto S A M . 
Paso 7. En una nueva c o l u m n a l l a m a d a DSC, que corres-
ponde a l v a l o r F M G de Figueroa se inserta una fórmula 
para hacer u n a regla de tres con el peso más alto como el 
100%. 
=1 
i =sfV2*100y22!) 
" " l a m H i i i S i i i i a B i a E B E e G i - - i A 
6::|mapos 
_7^1avar" 
9 j i M 
lOídiCTite! 
11 ••K-^.v 
" ' F - l l A i i r A i í l i i i 
1 idafliildoia 1 x M 2 x » 3 x8 * x7 5 x í 6 x5 7 ¡i4 8 x3 9 x 2 10 x 1 _ p s 
5 50 8 72 7 5B 4 28 1 6 0 2 8 Q O 
10 100 4 36 2 16 2 14 5 X 1 5 1 4 1 3 O 
'. 3; 30 6 54=2;l6;3i21í3 18; ' O ; 0̂ O o: 
1 10 4:36:3;34;2:14:2.12 1 5 0 1 3 1 2 
1: 10 ;3 .27í3 ;24 ;2 ;14i3 ;18 1 5 : 0 0: 0; 
5; 50 2 18'1; 6 f; 7 ; D 2 10: O : 0,1 2; 2 20 2 18:1 8,3 211; 6 0; : O O O 
1 10 1 9 2,16 2: 14;3 18 O O 0; O 
0 3 27 2 16 3:21: O O O D O 
O 
0-
0 
0' 
sa 1 4 S 4 I ; 
V 4 - I D - P 1 B 
Figura 7. Pantalla de Excel obtención del valor FMG. 
11 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 8. En una nueva columna se invierten los valores para que el 
más pesado quede en el centro, esto se hace restándole 100 a los 
datos de la columna anterior. 
„ , „ , „ „ „ „ , , . , , 
—mms ñmxm> 
1 1 lio zÍ3^í^»iii.ai5:>Á%a:r'á:t^f^:V¡t\s 
iHcociaar U ¡ 4aJ2 I B i l i B JJ ÍK Í I 
Tícaleote u | 40Í3 27i2i16J i 0: 
Tjhonio i 013 27i4;32Jli 7i 
S jcatentK ' 2 20 3 27 0 2 U 
.6 ' cooia !2; 20it 9;1 
J_iaiego i21 20Í 0;'^ 
T | c w i i i d i ! ) i 10; Oil 
$ 'Mgura^ i t ¡ 10:3 27; 1 
Figura 8. Pantalla de Excel inversión de valores. 
Paso 9. Finalmente se inserta el gráfico radial con la última colum-
na, tomando de nuevo como referencia los valores de la columna 
A para que aparezca rotulado el gráfico radial. 
í 3 89 & J í 3 i B i S 3 ( 0 *<• «-1 i 1 . - j i i j i . - > i 5 < . j < . ' , f « .,.1 - a 
' Hh 0 ÜÍ'íJü CkE*"**»- le» ^ . C \ l > ) c u m « r i t s f l n d S e t t i n 8 s V r o p w a r f c \ E í o * » o \ I N r e S T r G A a O « • , 
* í > > < - . - .•!'. * J ffi i 
W1 * A DSC 
A c loe.rhsíw < y> 1 «10 2 ii« 3 x i 4 1<7,S 
cocinar 4; 40 2i18 1 812 14'1 
^caliente 4: 40 3:27 2 16i 0 
0 3:27 4 32:1 7 
Scaientar 2: 20 3:27 0 2 14 
cocina 2 20 1 9 1 8 2 14 
^ f u e g o ' 2 i 20 0 0 2 14 3 
comida 1; 10 0 1 8-4 2B 
^ s e g u r a 1; ID 3: 37 1 8: 0 
0 1 : 9 2 18:1 7 1 
^ca&enU aknentot 1 10 2:13 1 81 0 1 
^ g a a d e i : 10 0 Oil 7:4 
1 10 1; 9 1 9 t 7 1 
J 30 : 0 01 0 1 
0 1 9 2 16:1 7' 
^ b l a n c a 1 10 1: 9 0; 0 1 
^eléctr ica 0 1 9 0:3 21 
r\ m n 
9 OrGiv 
?I B u l » * » 
Figura 9. Pantalla de Excel generando el gráfico radial . 
12 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 10. El gráfico final, el cual se puede interpretar, queda asi: 
cocinar 
Seiiel 
segura 
Figura 10. Pantalla de Excel ejemplo del gráfico radial. 
13 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Capítulo I I I 
Propuesta de modificación de la técnica de redes semánticas 
Si bien cierto, la Técnica de Redes Semánticas Naturales propuesta 
por Figueroa nos permite obtener de manera sencilla una buena 
cantidad de información acerca de los conceptos que deseamos es-
tudiar en una población determinada, también es cierto que esta 
información tiene sus limitaciones, es decir la técnica original nos 
permite conocer las principales definidoras en la r e d , nos informa 
cual esta más cercana al centro de la misma, e inclusive nos da las 
distancias precisas en las que estas se alejan del concepto central, 
pero no nos habla de la estructura determinada por las relaciones 
entre las definidoras. 
Considerando esta situación, los usuarios pueden darse cuenta 
de que en algunas ocasiones la interpretación de los resultados 
llega a ser u n poco confusa, sobre todo en casos en los cuales no 
se tiene una teoría m u y sólida del fenómeno que se esta estudian-
do, por tratarse de estudios exploratorios sobre u n tema determi-
nado. 
Una manera de resolver esto, puede ser utiüzar algunas de las me-
didas matemáticas extras que propone Figueroa, así al haber obte-
nido más información sobre la red, podría tenerse una idea más 
clara de su estructura, por desgracia el uso de estas medidas sigue 
siendo insuficiente, ya que la relación es inherentemente lineal. Es 
por esta razón que esta propuesta recurre a la utilización de una 
herramienta matemática que nos permite organizar la informa-
ción obtenida en base a las relaciones existentes entre el concepto y 
sus definidoras, logrando sistematizar los datos, en áreas en las 
cuales las dimensiones que subyacen a los conceptos no están cla-
ras. 
La herramienta matemática que se propone como una ampliación 
a la técnica es el escalamiento multidimensional, este nos permite 
representar las simihtudes entre objetos espacialmente en u n 
mapa, y su utilización es relativamente sencilla. 
En primer lugar, es necesario contar con u n programa computa-
cional para hacerlo. Existen diversos programas especializados 
como ALASCAL ó SINDSCAL, entre otros, e inclusive varios pa-
quetes estadísticos como SYSTAT ó SPSS ya cuentan con algorit-
mos para su utilización. 
14 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Lo que estos programas hacen es establecer u n gráfico donde puntos 
representan al concepto y sus definidoras. Las distancias entre los 
pimtos representan las distancias conceptuales que proporcionaron los 
sujetos. El programa lo que intenta es que las distancias en el gráfico se 
ajusten lo mejor posible a los datos por medio de un procedimiento ite-
rativo. De este modo emerge en el gráfico la estructura de relaciones. 
Las dimensiones se refieren al número de ejes coordinados que se 
requieren para dar estructura a los datos, en el espacio de los estí-
mulos. La manera de determinar el número de dimensiones depen-
de de una medida de ajuste del gráfico con los datos. Esa medida 
generalmente es el STRESS, aunque algunos programas usan otras 
medidas similares. La determinación del número de dimensiones 
requeridas se establece graficando el STRESS en escalamientos con 
1,2, 3. . .n dimensiones. Dicha gráfica permite observar que el 
STRESS va disminuyendo más o menos rápidamente, hasta Uegar 
al número correcto de dimensiones. A partir de allí, el STRESS dis-
minuye muy lentamente, si acaso. Esto conforma un codo, es decir, 
u n punto en donde se observa que la gráfica se dobla. 
U n ejemplo se puede ver en el estudio de Shepard (1962; en Schiff-
man, Reynolds y Young, 1981) en el cual le pregunto la distancia 
que existía entre pares de 14 tarjetas de colores a un grupo de 14 
participantes y después de utilizarel escalamiento mult idimen-
sional obtuvo la siguiente gráfica. 
C o n f i g u r a t i o n 
1 
z 
O 
co 
z 
UJ 
2 
Q 
O -
o W674 
O W 6 1 0 
O meo 
OW£tí«537 
-2 -1 O 1 
D I M E N S I O N 1 
Gráfica 1 . Resultado del estudio de colores de Shepard. 
15 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
A l aplicar esta técnica a las redes semánticas, las distancias que se 
introducen reflejan los niveles de simil i tud entre las definidoras, 
revelando la estructura del concepto que se ha buscado y dándo-
nos u n nuevo nivel de interpretación. 
Aphcación del escalamiento multidimensional a la técnica de re-
des semánticas. 
Para poder aplicar el escalamiento a las redes semánticas, es nece-
sario aplicar el procedimiento original hasta obtener el conjunto 
SAM, es decir el conjunto de definidoras significativas, ya estén 
determinadas por u n número arbitrario o por el peso semántico de 
las mismas (Reyes, 1,1993). 
Posteriormente es necesario hacer todos los pares de palabras po-
sibles entre las definidoras del conjunto SAM, es muy importante 
siempre incluir el concepto junto con las definidoras y que ningu-
no se encuentre repetido. 
La manera más sencilla de realizar los pares es hacer una matriz 
triangular, para construirla es necesario que se coloquen todas las de-
finidoras incluyendo al concepto, uno por fila en la primera columna, 
llamada nombres, y en el rótulo de las columnas siguientes se coloca 
una definidora o el concepto, llenando con los pares las celdas corres-
pondientes, que son las que se encuentran por debajo de la casilla en 
la que repite una misma palabra, por ejemplo mueble-mueble. 
Como ejemplo supongamos que se tiene la red semántica del concepto 
mueble y que las definidoras importantes fueron: silla, mesa, cama, 
grande y madera, en ese caso la lista de pares posibles sería la siguiente: 
Diagrama 3. Matr iz triangular de la red semántica de mueble. 
Nombres Mueble Silla Mesa Cama Grande Madena 
Mueble 
Silla Mueble-
silla 
Mesa Mueble-
mesa 
Silla-
mesa 
Cama Mueble-
cama 
Silla-
cama 
Mesa-
cama 
Grande Mueble- Silla- Mesa- Cama-
grande grande grande grande 
Madera MueWe- Silla- Mesa- Cama- Grande-
madeta madera madera madera Madera 
16 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Una vez obtenidos los pares se hace u n instrumento en el que se 
pida a los participantes que te indiquen por medio de una escala 
que vaya de O a 1 , ó de O a 10 que tan disimilares son los pares de 
palabras. Es importante recordar que este instrumento puede apli-
carse a la misma muestra u otra diferente. 
Posteriormente es necesario capturar las distancias que dieron los 
participantes para cada par de palabras, y sacar el promedio de los 
mismos, y finalmente vaciar los promedios a una matriz triangu-
lar en u n programa informático y procesarlos finalmente. 
Se sigue el mismo proceso para crear la matriz, sólo que esta vez, 
se usan los promedios de las distancias que nos dieron los part i -
cipantes para llenar las celdas, en vez de escribir el par de pala-
bras. 
17 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Capítulo I V 
E l uso del escalamiento en programas estadísticos 
Como ya se menciono al hablar del escalamiento multidimensio-
nal es necesario utilizar programas computacionales que reahcen 
el cálculo, a continuación mostraremos el procedimiento para rea-
hzar el escalamiento multidimensional en dos de los paquetes es-
tadísticos más utilizados, SYSTAT y SPSS. 
Los pasos para el procedimiento en el paquete SYSTAT son los si-
guientes: 
Paso 1 . Se debe abrir a u n archivo nuevo e ir a la vista de variables. 
Ahí se crea una variable llamada Nombres$ y se selecciona de tipo 
de letras. 
Figura 1 1 . Pantalla de Systat creando la primera variable. 
Paso 2. Se introduce el comando TYPE DISSIMÍLARITY. 
Ou». 
Figura 12. Pantalla de Systat comando type dissimilarities. 
1 8 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 3. Se crean variables una por cada definidora y una para el 
concepto, todas de tipo numérico. 
9,-- ORÍJ<Cí G R A N D E 
Mi *GUÁ' AGUA 
JWAR • \ A V A R • 
UklPlO iJMPfO 
WETAl. 
T R A S T E S 
Mi JT ÍL UTIL 
mm 
Nun-eric 
Numeiic 
Numenc 
Numírtc 
'10 
NO 
NO 
t*.1 
NC 
NO 
NO 
NO 
12 
12 
13 
12 
- 12: 
12 
Figura 13. Pantalla de Systat resto de las variables. 
Paso 4. Se cambia a la vista de datos y se capturan las definidoras 
y el concepto uno por fi la en la columna correspondiente a la va-
riable Nombres$. 
íREGADSRO 
ORANDE 
LAVAR 
,t. "14 LIMPIO 
i f e s ^ ifEIAt 
r - i ' TRASTES 
UTIL j - g 
TRASTES 
UTIL 
Figura 14. Pantalla de Systat cambiando a la vista de datos. 
19 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 5. Ahora que está la base para la matriz triangular se llena con 
los promedios de las distancias entre pares de palabras sin repetir. 
Figura 15. Pantalla de Systat llenado de la matriz. 
Paso 6. Una vez capturados los pares de palabras se va al menú 
advanced y se selecciona la opción mult idimensional scaling. 
Figura 16. Pantalla de Systat seleccionando menú advanced. 
Paso 7. En la ventana se pasan todas las variables y se selecciona el tipo de 
escalamiento deseado, y se señala que los datos son disimilaridades. 
'SiJie- —•• ,-%fA1tea-
Figura 17. Pantalla de Systat pasando las variables. 
20 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 8. El producto final es u n output donde se puede ver el valor 
del estrés (error) y u n gráfico como el siguiente: 
C o n r i g u r a t i o n 
Q. 
L U 
o 
O TPASTCP 
D I M E N S I O N _ 1 
Figura 18. Pantalla de Systat output f i n a l . 
En el paquete Estadístico para las ciencias sociales SPSS los pasos 
son los siguientes: 
Paso 1 . Se debe abrir a u n archivo nuevo e ir a la vista de variables. 
Ahí se crea una variable llamada Nombres$ y se selecciona de tipo 
de letras. 
'A, jut CdtA ..acK^un ( V « h s --miAm 
BglHIéH %\ wt - t r l H B l a n d í 
' ^ r"-IVP¿'"7wi#hf.Bidm¿-,.| ' L .bal 
ncmbreS ¡None 
V-iri.it.le 1 Kp'í 
r 
r CkmiM 
r Dot 
C SoanUicnaMon 
C Date 
r Doto 
Cuüomcunttipti 
OK 
Chaiachn: f Í O ~ 
Cancel 
Figura 19. Pantalla de Spss creando variables. 
21 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 2. Se crean variables una por cada definidora y una para el 
concepto todas de tipo numérico. 
t><ii.c e M ü l a m i e n t o . s a v - S P S S Dat<i f d i l o r 
H'.Wlt V ) e w O a t s T r a n ^ i m A n % 7 a <Stei»s u c t n » WráiM m>-
M a m e " f " f y p ' " ' " ! " w i d i i h Oecimals Label 
n e r n b r e s í 
aigua 
String 
íNumeric 
'".3 • t r i s t e s 
f r e g a d e r 
N u m e r i c 
i M u m e n c 
5 
7 
g r a n d e 
lavar 
limpio 
e m e t a l 
i N u m e r i c 
i M u r n e r i c 
i M u m s r i c 
¡ Ñ t u m e r i c 
8 
"IB" 
" I ' 
Úlll ¡Nurneric 
t o 
¡ 8 
4 
1! 
Figura 20. Pantalla de Spss total de variables. 
Paso 3. Se cambia a la vista de datos y se capturan las definidoras y 
el concepto, uno por fi la en la columna correspondiente a la varia-
ble Nombres$. 
dv . S P S S O-ild.Küiltir 
• * t* VHv» Data Tranrfor ln A n a l w e » ^ g h t U B B f e w h d o w H d p 
n o m b w e t | a g u a | t r a a l e » | fregader g r a n d a l a v a r 
, ' l , ' r . , . t l a H U 3 
t r a s t e s 
f r e g a d e r 
g r a n d e 
l a v a r 
U — 
\ S m e t a l ú t i l 
t 
Figura 2 1 . Pantalla de Spss captura primera variable. 
22 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 4. Ahora que está la base para la matriz triangular se llena 
con los promedios de las distancias entre pares de palabras sin 
repetir. 
n n i r i i n rt I agía t u m w I tr«9«<»«r [ " g r w i d a ] I w a i | 
agua 
jitrastes 6.96E8B 
1 j ' . S K B d 800000 
¿ l a r a r _ 360000 
2.620E0 3.S8620 
8.43333 1.86666 
limpio a 10000 E 4S680 1 5.633:^ 2.40000 8.G 
f metal 3,65510 1 6,20680 3,55172 2 40000 256866 
Sutil 7,96660 5.75000 ! 6.4S667 3.03333 5.34460 4,83333 i 8,10000 i 
Figlu-a 22. Pantalla de Spss captura de la matriz. 
Paso 5. Una vez llenos los datos se va al menú analize y se selec-
ciona la opción scale y después mult idimencional scaling. 
Sl-SS (raid I ti 
«nghi I M M « M M H # 
agua 
trastes 
:3 fregadar 
nambtaal 
"6,96^ 
7.9866 
Conptre MoíTB 
General Unear Model 
Ccctelat. 
Ra^'HSlon 
Oassfy 
DataReducHon 
Figura 23. Pantalla de Spss seleccionando el comando de análi-
s i s . 
23 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Paso 6. En la ventana se pasan todas las variables menos la de 
nombres$, se selecciona que los datos son disimilares, para des-
pués darle ok o pegar en la sintaxis. 
• fH Vim Tf<irefrfni W / í S fiíállhs » j i s 
1? 
M i l h i l i r « r í r . ion ' i í :> 
CU tin.es 4> fregado 
^ g r a n d e 
I m i n M M l t n i l a 
DataaedMan» 
S b H » • j gmawqpinictiic 
Dsals<fa'.ancatrifi»dal« 
141" ' ' \
Mean I 
0|*m...j 
16 
I liinprc I tnrtal | 
33: 
OOO' 2,56666 
480 4,83333 E.1CX100 
Figura 24. Pantalla de Spss pasando las variables en la ventana. 
Paso 7. El producto final es u n output donde se puede ver el valor 
del estrés (error) y u n gráfico como el siguiente; 
5 3^629 2,112 J . é Z S 1.502 ,000 
6 2 ,936 2 ,112 1,502 1 , £ 0 2 2,936 ,000 
7 1,502 1,502 2,112 1,502 1,502 1,502 ,000 
8 2,938 1,518 2,112 1,502 1,502 1,S02 1,318 , 0 
Otrivaa Stimulua Configuntlon 
Euctidean di tanct modal 
Figura 25. Pantalla de Spss gráfico de escalamiento. 
24 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Capítulo V 
La Interpretación de las gráficas de E M D de Redes semánticas 
Una vez que se tiene la gráfica del escalamiento multidimensional, 
uno procede a interpretarla. 
Uno debe recordar con claridad que los datos que se introdujeron 
fueron sobre el grado de relación entre los conceptos, esto es, entre 
las definidoras con el concepto definido y de estas entre sí. Así la 
gráfica o mapa nos da las distancias que hay entre los conceptos 
como distancias geométricas. Es decir, mientras mayor sea la dis-
tancia entre los puntos que representan conceptos en el mapa, me-
nor es el grado de relación entre estas y viceversa, mientras más 
cercanos estén los puntos, más relacionados se encuentran. 
En la gráfica podemos ver varios aspectos que, basados en lo ante-
rior, nos permiten dar alguna interpretación de los resultados. 
La parte central de la gráfica o centroide es el punto donde se equi-
libran todas las distancias, en el mismo sentido en que en la media 
se equilibran todos los valores de una distribución. Esto hace que 
los conceptos que se encuentren en el centroide o cerca de él ten-
gan la menor distancia posible de todos los demás. 
Por ello, los objetos que se encuentran en esta posición -en el cen-
troide o muy cerca de él- son más importantes y con más influencia. 
Casi siempre el concepto definido se encuentra en esta posición. 
Los objetos más cercanos al concepto definido son más importan-
tes como definidores y los que más sentido dan al concepto. 
Configuration 
w o 
o s a i m i s i D e o K o o 
-1 o t 
DIIWIENSION 1 
Figura 26. Escalamiento del sillón. 
25 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Por ejemplo, en la figura 26 vemos que el concepto definido, que es 
sillón se encuentra efectivamente cerca del centroide. M u y cerca 
de este y también muy cerca del centroide están descansar y dor-
mir, que definen la esencia de la función del sillón. M u y cerca de 
estos está cojines, que es el medio por el cual el sillón logra su fin. 
Debajo de sillón están los conceptos sentarse y cómodo que com-
pletan la definición conceptual del sillón. Más lejos vemos otros 
atributos que dependen de esta esencia. 
Nosotros podemos ver algunos agrupamientos como: descansar, 
dormir y cojines por u n lado y: sentarse cómodo y blando por el 
otro. Vemos que la característica platicar está cerca de estos últi-
mos, por lo que depende de los mismos. 
Finalmente podemos buscar para ver si es posible identificar algu-
nas dimensiones o ejes que nos permitan dar sentido a la estructu-
ra de red. En el ejemplo que estamos analizando, podemos trazar 
ejes diagonales (los ejes pueden ir en cualquier dirección.). El que 
va de abajo a la izquierda a arriba a la derecha, daría una dimen-
sión de actividad Vs. Relajación, mientras que el que va de abajo a 
la derecha a arriba a la izquierda iría de aspectos sensuales a as-
pectos utilitarios. 
De este modo la interpretación de las gráficas se realiza buscando 
ciertas características del mapa: 
1. Si el concepto definido está en o cerca del centroide. Si no, en-
tonces esta red semántica tal vez esté mal colectada porque el 
concepto definido debe tener la menor distancia respecto a las 
definidoras, por lo cual este escalamiento es sospechoso. 
2. Ver que conceptos están más cerca y cuales más lejos del con-
cepto definido. Mientas más cerca son más importantes en su 
definición. 
3. Ver si podemos identificar algunos agrupamientos e interpre-
tar su significado. El significado se obtiene buscando que tie-
nen en común las definidoras que constituyen el grupo. 
4. Y, finalmente; ver si podemos identificar algunas dimensiones 
(ejes) que den sentido al escalamiento. 
Para establecer los agrupamientos podemos auxiliarnos del análi-
sis de conglomerados (Cluster Analysis) y marcar en la gráfica con 
círculos como se van dando los distintos agrupamientos. 
26 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Capítulo V I 
Conclusiones 
Como podemos ver, con las Redes Semánticas Estructurales con-
tamos con u n poderoso instrumento. Con este podemos ver 
como se organiza el pensamiento de u n grupo, entorno a cual-
quier objeto o proceso de interés. La ventaja sobre la "Teoría de 
las Representaciones Sociales" es que aquí se cuenta con una con-
jetura acerca del modo en cómo se organiza la información en el 
ind iv iduo y que, al compartir u n colectivo estas ideéis a través del 
lenguaje, se transforma en una forma de representación colecti-
va, es decir, una representación social, que viene a ser una parte 
de la cultura. 
Esta opción nos hace posible ver la organización de las ideas y en-
contrar los cúmulos y las dimensiones alrededor de las cuales se 
estructura el pensamiento. 
Con esta herramienta puede uno aproximarse a las más diversas 
situaciones y a entender cómo se estructura el pensamiento, uno 
puede desarrollar estrategias de intervención, tanto cambiando la 
forma de pensar, como cambiando la situación o ajusfando las cir-
cunstancias a las expectativas de las personas. 
Esto proporciona u n instrumento útil para la psicología en dife-
rentes áreas así como para el resto de las ciencias sociales. 
Referencias 
Anderson, J. & Bower, G. (1973). Memoria asociativa. México: L i m u -
sa. 
Carnap, R. (1943). Formalization of Logic. Cambridge: Harvard U n i -
versity Press. 
Carnap, R. (1958), ¡ntroduction to symbolic logic with applications. 
New York: Dover. 
Collins, A . M . & Quil l ian, M . (1969). Retiieval time for semantíc 
memory. Journal of Verbal Leaming and Verbal Behavior, 3, 
240-247. 
27 
M A N U A L P A R A O B T E N E R L A E S T R U C T U R A D E U N A 
R E D S E M Á N T I C A 
Figueroa, J., González, E. & Solís, V. (1976). A n approach to the 
problema of meaning: semantíc networks. Journal ofPsycho-
linguistic Research, 2,107-115. 
Figueroa, ] . , González, E. y Solís, V. (1981). Una aproximación al 
problema del significado. Las redes semánticas. Revista La-tinoamericana de Psicología Social, 3, 447-458. 
Lindsay, P. & Norman, D. (1972). Human information processing: An 
introduction to Psychology. New York: Academic Press. 
Moscovici, S. (2000). Social representations explorations in social 
psychology. Cambridge UK: Polity Press. 
Reyes, 1. (1993). Las redes semánticas naturals, su conceptuaüza-
ción y su utilización en la construcción de instrumentos. Re-
vista de Psicología Social y Personalidad, 1, 81-97. 
Rosch, E. (1978). Principies of categorization. En: E. Rosch & B. 
L loyd (Eds.). Cognition and categorization (pp. 27-48). New 
York.: Lawrence Erlbaum.Assoc. 
Sarmiento, C , Bravo, P., Pelcastre, B. y Aguilar, J. (1992). Hacia 
una reconceptualización del "modelo de redes semánticas 
naturales". Revista Mexicana de Psicología, 2,165-174. 
Schiffman, S., Reynolds, M . & Young, F. (1981). Instroduction to 
multidimensional scaling. Theory, Methods and Applicatins. 
New York: Academic press inc. 
Valdez, JL. (1998). Las redes semánticas naturales, usos y aplicaciones 
en Psicología Social México: Universidad Autónoma del 
Estado de México. 
28