RESUMO
Objetivo:
pesquisas sobre board interlocks vêm crescendo nos últimos anos, com foco no entendimento da composição dos conselhos assim como suas relações com conselhos de outras companhias. Esses estudos normalmente requerem múltiplos procedimentos de extração, tratamento e análise de dados para a criação e análise das redes sociais. Entretanto, esses procedimentos não são padronizados, havendo uma falta de estudos metodológicos com instruções para tornar este processo mais simples. Assim, este tutorial pretende descrever a sequência lógica de passos a serem percorridos para realização da coleta de dados, tratamento, mapeamento e análise das redes sociais, para prover aos pesquisadores os insumos necessários para replicação desses procedimentos em suas pesquisas. Nesse sentido, este tutorial contribui com a literatura no campo de pesquisa da administração por propor uma metodologia para condução de pesquisas em board interlocks.
Proposta:
o tutorial descreve e exemplifica a extração e tratamento dos dados das empresas e seus conselheiros, o uso destes dados no mapeamento das redes de board interlock e a medição de suas propriedades estruturais, utilizando uma ferramenta open source, o software estatístico R.
Conclusões:
nossa principal contribuição é fornecer um tutorial que orienta o processo de mapeamento e análise dos board interlocks, tornando-o mais acessível aos pesquisadores que desejam adotar esta abordagem de pesquisa.
Palavras-chave:
board interlocks; análise de redes sociais; tutorial
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
This paper describes these overall steps for the conducting of board interlock research using the databases of Brazilian companies.
This figure presents the centrality degree of our network provided by #Step10. It can be replicated with script “324/degree network graph.”
This figure shows the distribution of degree centrality in our sample, as provided by #Step10. It can be replicated with script “342/degree histogram.”
This figure shows those companies with higher betweenness centrality as more prominent nodes. These companies act as a bridge in the network, joining different companies by sharing their directors. It can be replicated using #Step10 with script “350/betweenness network graphs.”
This figure presents the companies with higher closeness centrality as more prominent nodes. These companies have many direct connections with other companies by sharing their directors. This can be replicated using #Step10 with script “368/closeness network graphs.”