Un estudio descriptivo sobre la relación de las propiedades estructurales de las redes personales con el sentido psicológico de comunidad en el barrio

Vol.36, #1, (2025), 125-133 https://revistes.uab.es/redes https://doi.org/10.5565/rev/redes.1033 Revista Hispana para el Análisis de Redes Sociales 125 Un estudio descriptivo sobre la relación de las propiedades estructurales de las redes personales con el sentido psicológico de comunidad en el barrio Isidro Maya Jariego1 Deniza Alieva Elena González Tinoco Daniel Holgado Fran Santolaya Universidad de Sevilla La interacción social con los vecinos es un factor clave en el desarrollo del sentido psicológico de comunidad con el barrio de residencia. A ese respecto se han analizado las actividades sociales y los elementos del diseño urbano que ofrecen oportunidades de interacción. Sin embargo, apenas se ha utilizado el enfoque de análisis de redes sociales para determinar qué características estructurales se asocian con una mayor identificación territorial. En este estudio obtuvimos las redes personales de 212 residentes en cuatro barrios de la ciudad de Sevilla, en el sur de España. Con esos datos exploramos la relación entre las características estructurales de las redes personales y el sentido psicológico de comunidad. La fragmentación de las redes personales mostró una asociación negativa con el sentido de pertenencia. Los resultados indican que pasar tiempo, desarrollar relaciones y tener amigos en el barrio son antecedentes directos de una mayor identificación con los contextos residenciales. Palabras clave: Redes personales – Sentido Psicológico de Comunidad – Barrios – Fragmentación – Densidad. A descriptive study on the relationship of the structural properties of personal networks with the psychological sense of community in the neighborhood Social interaction with neighbors is a key factor in the development of a psychological sense of community with the neighborhood of residence. Previous research has analyzed social activities and elements of urban design that offer opportunities for interaction. However, social network analysis has hardly been used to determine which structural characteristics are associated with greater territorial identification. In this study we obtained the personal networks of 212 residents in four neighborhoods of the city of Seville, in southern Spain. With these data the relationship between the structural characteristics of personal networks and the psychological sense of community was explored. The fragmentation of personal networks showed a negative association with the sense of belonging. The results indicate that spending time, developing relationships, and having friends in the neighborhood are direct antecedents of greater identification with residential contexts. Key words: Personal networks - Psychological Sense of Community - Neighborhoods - Fragmentation - Density. 1Contacto con los autores: Isidro Maya Jariego ([email protected]). RESUMEN ABSTRACT Maya-Jariego et al., Vol.36, #1, 2025, 125-133 Revista Hispana para el Análisis de Redes Sociales 126 INTRODUCCIÓN El sentido psicológico de comunidad consiste en la experiencia subjetiva de pertenencia a un colectivo, con cuyos miembros se comparte un sentimiento de dependencia mutua (Sarason, 1974). Esto conlleva la existencia de unos límites, más o menos explícitos, sobre quién forma parte de un grupo en el que los miembros intercambian apoyo, se influyen mutuamente y desarrollan una conexión emocional compartida (McMillan y Chavis, 1986). En los contextos residenciales (ya sean ciudades, distritos, barrios o manzanas) el sentido de comunidad depende en parte del arraigo y del tiempo invertido en la comunidad de referencia. Es frecuente encontrar que el sentido psicológico de comunidad es más elevado entre aquellos que han vivido más años en el barrio (Skjaeveland et al., 1996), o entre aquellos que tienen la expectativa de seguir viviendo en el barrio en los próximos años (Davidson et al., 1991). También es mayor el sentido de comunidad entre quienes tienen vivienda en propiedad (Hill, 1996) o quienes conviven con niños en el hogar (Brodsky et al., 1999). Por otro lado, el sentimiento de pertenencia guarda relación con la realización de determinadas actividades, tales como caminar (Wood et al., 2010), pasear al perro (Bulsara et al., 2007; Toohey et al., 2013) o hacer uso de las zonas verdes cercanas (Bow y Buys, 2003; French et al., 2014). Todas estas actividades ofrecen oportunidades de interacción social con los vecinos, al mismo tiempo que promueven el apego al lugar. Es decir, activan dos de los elementos que suelen estar presentes al identificar los factores que componen los instrumentos psicométricos con los que se evalúa el sentido psicológico de comunidad (Jason et al., 2015). De lo anterior se deduce la importancia de la interacción social con otros miembros en el desarrollo de un sentimiento de pertenencia al colectivo. A ese respecto, se ha comprobado que la identificación con el barrio muestra una asociación positiva con el número de vecinos a los que se conoce por su nombre (Nasar y Julian, 1995). Igualmente, el voluntariado, el compromiso cívico y la participación comunitaria aumentan las conexiones sociales, de modo que contribuyen a un mayor sentido de pertenencia en contextos urbanos (Buckley, 2022). Sin embargo, pese a la importancia atribuida a la interacción social con otros miembros de la comunidad, apenas se ha utilizado el enfoque del análisis de redes sociales en el estudio del sentido psicológico de comunidad (Dawson, 2008). Con datos de redes completas, se ha observado una correlación positiva del sentido de comunidad con la centralidad de grado (degree) y negativa con la centralidad de intermediación (betweenness) (Dawson, 2008). Con datos de redes personales, también se ha observado una asociación positiva con la densidad y la centralidad de grado (Maya Jariego y Holgado, 2015; Maya Jariego et al., 2020), y negativa con los indicadores de centralización, intermediación, número de cliques y número de componentes (Maya Jariego y Holgado, 2015). En general se observa que el sentido de pertenencia se relaciona positivamente con los indicadores de cohesión estructural. En este contexto, resulta prometedor determinar cuáles son las dimensiones de variabilidad más relevantes para caracterizar la estructura de las redes personales. La elaboración de tipologías puede ser una estrategia eficiente con la que capturar la diversidad de estructuras (Maya Jariego, 2021; Maya Jariego y González-Tinoco, 2023). Gracias a ello se ha observado, por ejemplo, que la densidad y la existencia de subgrupos cohesivos son dos factores que han mostrado un valor discriminante (Vacca, 2020). De acuerdo con la revisión anterior, cabe esperar que estos dos indicadores de cohesión estructural se asocien con el sentido de comunidad. El objetivo de esta investigación consiste precisamente en explorar cómo las propiedades de las redes personales se asocian con el grado de identificación con el barrio de residencia. Este estudio En los estudios comunitarios predominan las investigaciones referidas a un barrio concreto, en los que se evalúa el sentido de pertenencia a un vecindario específico. Sin embargo, las personas se relacionan con diferentes barrios simultáneamente, con los que pueden desarrollar múltiples sentidos de comunidad. Los barrios son entidades abiertas, de modo que los residentes se relacionan también con otros barrios del entorno (Maya Jariego et al., 2023). En esta investigación adoptamos dicha perspectiva con el estudio de caso de cuatro barrios colindantes en la ciudad de Sevilla, en España. Forma parte de un proyecto más amplio en el que se exploraba la relación de las características de las redes personales con el grado de identificación con el barrio de residencia. En ese contexto, se generaron datos relacionales y se aplicó una escala Maya-Jariego et al., Vol.36, #1, 2025, 125-133 Revista Hispana para el Análisis de Redes Sociales 127 psicométrica para evaluar el sentido de pertenencia al barrio. Con este artículo exploramos la relación de las propiedades estructurales de las redes personales con el sentido psicológico de comunidad. Para ello desarrollamos un análisis en tres pasos. Primero, llevamos a cabo un análisis de componentes principales a partir de 9 medidas estructurales de las redes personales. En segundo lugar, utilizamos una selección de dichas medidas para predecir el sentido de comunidad y los factores que lo componen. En tercer lugar, contrastamos los resultados anteriores a través de un análisis de conglomerados. MÉTODO Muestra Los datos proceden de un estudio comunitario en el que se entrevistaron 225 residentes de cuatro manzanas colindantes en los barrios de Nervión, Ciudad Jardín, Amate y Los Pajaritos, en la ciudad de Sevilla. Se realizó un muestreo por cuotas de género y edad con afijación proporcional basado en los datos poblacionales del Padrón Municipal. Los participantes tenían en promedio 50,88 años en el momento de la encuesta (DT = 17,425). El 62,1 por ciento eran mujeres y el 37,9 por ciento, hombres. En la encuesta se recabó información sobre las redes personales, el sentido psicológico de comunidad, los lugares de interacción, las condiciones socioeconómicas y las características de los contextos residenciales. El foco de la investigación fueron las relaciones entre los barrios colindantes. En este artículo analizamos sólo los datos de los 212 encuestados de los que disponíamos de información completa de las redes personales y el sentido de comunidad. Instrumentos Redes personales. Para evaluar la red personal se utilizó el siguiente generador de nombres: “Por favor, deme un listado de 30 personas con las que mantiene relación habitual a lo largo de la semana. Me interesa que mencione aquellas con las que tiene un contacto más frecuente y habitual. [Pueden ser compañeros de trabajo, vecinos, familiares, amigos, personas con las que comparte hobbies. Pueden ser de tu barrio, 1 La intensidad de la relación ego-alter se valoró con la escala: 1 “nos conocemos”, 2 “hablamos de vez en cuando”, 3 “tenemos bastante relación”, y 4 “somos de barrios cercanos o incluso de otros más distantes. Es importante que sean las 30 personas con las que tienes una relación más frecuente]”. La obtención de un número de un número fijo de nombres facilita el procesamiento, la estandarización y la comparabilidad de los datos (Maya Jariego, 2018; McCarty, 2002). Una vez obtenida la lista de nombres, se les pidió que indicaran para cada uno de ellos la intensidad de la relación y el lugar de residencia 1 . También informaron en cada caso si proporcionaban apoyo emocional, tangible, informativo, ideológico, instrumental y de compañía. Finalmente, los encuestados completaron una matriz cuadrada con información de la relación existente entre cada par de actores. Concretamente, cada díada se calificó utilizando la siguiente escala: 0 “no se conocen”, 1 “se conocen”, 2 “hablan de vez en cuando”, 3 “tienen bastante relación”, y 4 “son amigos/tienen un lazo fuerte”. Escala breve de sentido psicológico de comunidad. Se aplicó la escala de Jason et al. (2015) para evaluar el sentido de pertenencia al barrio. Se trata de un instrumento de 9 ítems en el que los encuestados puntúan de 1 a 6 una serie de afirmaciones sobre la calidad del barrio (Entidad), la interacción con los vecinos (Membrecía), y la importancia del barrio para el individuo (Yo). Se obtuvo un indicador de fiabilidad elevado, con un Alfa de Cronbach de 0,819. Procedimiento y análisis de datos Se realizaron entrevistas personales en los barrios de residencia. La participación en la encuesta fue voluntaria. Los participantes firmaron un consentimiento informado en el que se les notificaba el tratamiento anónimo de los datos, sólo con fines de investigación. Junto con la escala psicométrica de sentido de comunidad y la matriz de redes personales, los participantes completaron un cuestionario con información sociodemográfica y variables psicosociales (Maya Jariego et al., 2023). A continuación, el tratamiento de los datos de redes personales se realizó en matrices individuales, por separado. Para cada una de ellas se calcularon 9 indicadores-resumen: la centralización de grado, la densidad, el número de componentes, la fragmentación, el número amigos/ tenemos un vínculo fuerte”). Respecto al lugar de residencia, el encuestado señalaba si sus contactos viven en el mismo barrio o en otro. Maya-Jariego et al., Vol.36, #1, 2025, 125-133 Revista Hispana para el Análisis de Redes Sociales 128 de cliques, el cierre (closure), la distancia promedio, el índice E-I y el diámetro. Todos los indicadores de redes se calcularon utilizando UCINET 6 for Windows (Borgatti et al., 2022). Posteriormente, se integraron en una base de datos en formato SPSS 26, con el que se realizaron todos los cálculos estadísticos que se presentan en la sección de resultados. En primer lugar, se realizó un análisis de componentes principales con rotación Varimax para identificar factores con los 9 indicadores de redes personales. En segundo lugar, se realizó un modelo de regresión utilizando como predictores una variable representativa de cada factor. En tercer lugar, se aplicó un análisis de conglomerados de K-medias utilizando el procedimiento Quick Cluster, con un máximo de 10 iteraciones, medias actualizadas y un criterio de convergencia de 0,02. La ratio de relaciones dentro y fuera del barrio, con el indicador E-I, representa la homofilia según el lugar de residencia de los entrevistados. RESULTADOS Análisis descriptivo En la Tabla 1 se presentan los datos descriptivos de las medidas estructurales de las redes personales (la media y la desviación tipo), junto con la correlación de Pearson en cada caso con la puntuación global en la escala de sentido psicológico de comunidad (PSOC). Tres indicadores arrojaron una correlación significativa. Por un lado, la densidad mostró una asociación positiva con el sentido de comunidad (r = ,189, p < ,006); mientras que el número de componentes (r = -,258, p < ,001) y la fragmentación (r = -,309, p < ,001) mostraron una relación negativa. La correlación es más consistente en los casos del número de componentes y la fragmentación, pues se mantiene significativa con los tres factores que componen la escala de sentido de comunidad. Sin embargo, en el caso de la densidad, la correlación se mantiene con las subescalas de “Membrecía” y “Yo”, pero no con la de “Entidad”. Tabla 1 Análisis descriptivo de las propiedades estructurales de las redes personales: medias, desviación tipo y correlación con sentido de comunidad Media Desviación tipo Mín. Máx. PSOC Centralización de grado ,40722 ,171325 ,000 ,820 ,018 Densidad ,48442 ,195629 ,064 1,000 ,189** Componentes 1,77 1,942 1 18 -,258** Fragmentación ,07935 ,163659 ,000 ,901 -,309** Cliques 18,72 25,352 1 247 -,084 Cierre ,75948 ,118621 ,407 1,000 ,093 Distancia promedio 1,54900 ,283931 1,000 2,437 -,043 Índice E-I -,11459 ,422612 -1,000 ,574 -,118 Diámetro 2,74 ,817 1 6 -,063 Análisis factorial de las propiedades estructurales de las redes personales A continuación, realizamos un análisis factorial de componentes principales con los 9 indicadores estructurales antes descritos. El análisis con rotación Varimax generó una solución satisfactoria de 4 factores que 2 La prueba de esfericidad de Bartlett fue significativa (X2 = 1.408,872, p < ,0001). acumulan el 84.14% de la varianza explicada 2 . En la Tabla 2 se presentan las puntuaciones factoriales de las 9 variables analizadas. El 37.54% de la varianza explicada corresponde al primer factor, que representa el grado de cohesión estructural de la red en su conjunto, evaluado a través de los indicadores Maya-Jariego et al., Vol.36, #1, 2025, 125-133 Revista Hispana para el Análisis de Redes Sociales 129 de densidad, cierre (closure) y centralización de grado. El segundo factor acumula el 22.69% de la varianza y refleja el grado de fragmentación de la red en componentes separados. Los otros dos factores corresponden respectivamente al diámetro de la red personal (con el 12.73% de la varianza) y a la existencia de subgrupos cohesivos (con el 11.17%). Tabla 2 Matriz de componentes de las medidas estructurales de la red personal. Factor 1 Factor 2 Factor 3 Factor 4 Centralización de grado -,928 -,185 ,025 -,094 Densidad ,667 -,434 -,555 ,049 Componentes -,039 ,949 ,067 -,009 Fragmentación ,082 ,954 ,102 -,078 Cliques -,110 -,092 -,208 ,774 Cierre ,866 -,058 -,253 -,248 Distancia promedio -,500 ,050 ,804 ,019 Índice E-I ,038 ,009 ,242 ,718 Diámetro -,044 ,102 ,925 ,038 Nota. Análisis de componentes principales con rotación Varimax con normalización Kaiser. La rotación convergió en cinco iteraciones Análisis de regresión de las propiedades estructurales de las redes personales sobre el sentido psicológico de comunidad El siguiente paso en el análisis de datos consistió en predecir el sentido psicológico de comunidad utilizando como variables criterio las propiedades estructurales de las redes personales. Para ello seleccionamos una variable de cada factor, teniendo en cuenta el peso factorial y la tabla de correlaciones previa. En la Tabla 3 se resumen los modelos de regresión lineal introduciendo como predictores la densidad, la fragmentación, el diámetro y el índice E-I (referido a la ratio de relaciones dentro y fuera del barrio de residencia) 3 . Como variable dependiente utilizamos también los factores originales de la escala de sentido psicológico de comunidad. Tabla 3 Coeficientes de regresión estandarizados de las variables predictoras del sentido psicológico de comunidad. Yo Membrecía Entidad PSOC Densidad 1,241 ,525 ,033 ,078 Fragmentación -2,805 * -3,576 ** -,199 * -,287 ** Diámetro ,979 ,287 ,017 ,048 Índice E-I -2,586 * -3,936 ** ,088 -,123 R2 ,094 ,140 ,053 ,115 R2 ajustado ,077 ,123 ,035 ,098 F 5,398 ** 8,407 ** 2,910 * 6,715 ** Error estándar de la estimación 1,05016 1,03294 1,41578 ,88397 Nota. Nivel de significación: *p < 0,01; **p < 0,001 3 En el Factor 1 tienen más peso la centralización de grado y el cierre, pero no mostraron correlaciones significativas con sentido de comunidad en los análisis descriptivos previos. También en el Factor 4 tiene más peso el número de cliques, pero nos interesaba incorporar el índice E-I por motivos teóricos, puesto que refleja la relación entre los contactos que tiene cada encuestado dentro y fuera del barrio. Maya-Jariego et al., Vol.36, #1, 2025, 125-133 Revista Hispana para el Análisis de Redes Sociales 130 Aunque en general se obtienen modelos con un pequeño porcentaje de la varianza explicada, la fragmentación de la red personal es un predictor significativo del sentido psicológico de comunidad (t = -3,902, p < ,001). Concretamente se observa una relación inversa, de modo que, a mayor fragmentación de la red personal, menor es la identificación percibida con el barrio de residencia. En el modelo de regresión se obtienen mejores resultados si nos centramos en el factor de Membrecía. En ese caso tanto la fragmentación (t = -3,576, p < ,001) como el índice E-I (t = -3,936) mantienen una relación inversa con el sentido de pertenencia al barrio. Es interesante observar que una mayor conectividad fuera del barrio se relaciona con puntuaciones más bajas en membrecía. Análisis de conglomerados de las redes personales Como estrategia de contraste, clasificamos a los encuestados utilizando como variables criterio los mismos cuatro indicadores previamente seleccionados: densidad, fragmentación, diámetro, e índice E-I. En la Tabla 4 se muestra el resultado del análisis de conglomerados con el procedimiento de kmedias, con medias actualizadas y un criterio de convergencia de 0,02. Se probaron soluciones de entre 2 y 5 conglomerados. La solución de 4 categorías es la que mostraba con mayor claridad las diferencias en la estructura y composición de las redes personales de los encuestados, pese a que una de las categorías contase con sólo 3 participantes (el clúster 3). Tabla 4 Distribución de casos y centros finales de los conglomerados. Clúster 1 (n=94, 44,33%) Clúster 2 (n=48, 22,64%) Clúster 3 (n = 3, 1,41%) Clúster 4 (n = 67, 31,6%) Densidad ,605 ,354 ,262 ,420 Fragmentación ,042 ,148 ,088 ,081 Diámetro 2 4 5 3 Índice E-I -,175 -,319 ,123 ,106 Nota. El procedimiento convergió en 3 iteraciones. El tipo más frecuente corresponde a redes personales densas, con escasa fragmentación y diámetro, en la que predomina la conectividad dentro del barrio (Clúster 1). No obstante, también hay otros tipos que destacan por su elevada fragmentación (Clúster 2) o por una mayor conectividad fuera del barrio (Clúster 4). El clúster 3 no lo consideramos en la interpretación de resultados por referirse sólo a tres casos. A continuación, se exploraron las diferencias en sentido de comunidad según el clúster de pertenencia. Los resultados se presentan en la Tabla 5. Las comparaciones de medias en el sentido psicológico de comunidad sólo mostraron diferencias significativas en el factor Entidad (F = 3,424, p < ,018). Concretamente, es el clúster que se caracteriza por una mayor conectividad fuera del barrio el que tiene puntuaciones más bajas en dicho factor. De hecho, es el grupo que puntúa más bajo en el ítem “tengo amigos en este barrio” (F = 2,912, p < ,035). Tabla 5 Comparación de medias en sentido psicológico de comunidad según clúster de pertenencia. Clúster 1 Clúster 2 Clúster 3 Clúster 4 F Yo 4,56 (1,4) 4,16 (1,6) 5,33 (0,8) 4,35 (1,3) 1,238 Membrecía 4,65 (1,0) 4,35 (1,2) 4,88 (0,9) 4,57 (1,0) 0,901 Entidad 4,95 (1,0) 5,02 (1,0) 5,22 (0,5) 4,48 (1,1) 3,424 * PSOC 4,72 (0,8) 4,51 (1,0) 5,14 (0,4) 4,47 (0,8) 1,477 Nota. *p < ,05. El clúster 3 no lo consideramos en la interpretación de resultados por referirse sólo a tres casos. Maya-Jariego et al., Vol.36, #1, 2025, 125-133 Revista Hispana para el Análisis de Redes Sociales 131 DISCUSIÓN El análisis factorial sirvió para identificar cuatro componentes en la estructura de las redes personales, que representan el grado de cohesión estructural, la fragmentación, el diámetro y la formación de cliques. Tres de estos factores se corresponden exactamente con los obtenidos en un estudio previo con una muestra representativa de la población general (Maya Jariego y Holgado, 2015), con la salvedad del diámetro que no fue analizado en aquella ocasión. Una vez más, cohesión, fragmentación e integración en cliques aparecen de manera consistente como dimensiones clave en la caracterización de las redes personales (Lozares et al., 2013). De hecho, estas mismas dimensiones se han utilizado con éxito en la clasificación de las redes personales (Maya Jariego, 2021; Maya Jariego y González Tinoco, 2023). En segundo lugar, comprobamos que dichas dimensiones guardan cierta relación con el sentido de pertenencia en los barrios urbanos. Concretamente, las redes personales con niveles elevados de fragmentación o con una mayor conectividad fuera del barrio se asociaron con puntuaciones más bajas en el sentido psicológico de comunidad. Esto es coherente con estudios previos que mostraron la relación positiva de una mayor cohesión estructural con el sentido de pertenencia (Maya Jariego et al., 2020). Según apuntan nuestros datos, pasar tiempo, desarrollar relaciones y tener amigos en el barrio son antecedentes directos de una mayor identificación con los contextos residenciales. Por lo tanto, los datos apoyaron a grandes rasgos nuestra expectativa sobre la relación entre la interacción con vecinos y el grado de identificación con el barrio. A ese respecto, la dimensión densidad-fragmentación no sólo resultó efectiva para caracterizar las redes personales, sino que mostró relación significativa con el sentido psicológico de comunidad. Complementariamente, el balance de las relaciones que cada persona tiene dentro y fuera del barrio representa indirectamente la existencia de subgrupos en función del contexto de residencia, por lo que es otra propiedad sobre la que convendría profundizar en el futuro. Estos hallazgos son consistentes con la idea de que la participación en estructuras relacionales de nivel meso-social resultan decisivas en los procesos de identificación territorial (De Federico, 2007). Como elemento novedoso, con nuestros datos también se observó que el diámetro y la distancia promedio conforman otra dimensión de variabilidad (otro factor) cuyo impacto en la caracterización de las redes personales puede ser interesante explorar en la investigación futura. En consonancia con ello, en un estudio previo el diámetro sirvió para identificar un tipo de redes personales caracterizadas por la existencia de largas cadenas de lazos conectados entre sí (Bidart et al., 2018). Según indicaban los autores, podrían tratarse de redes personales que abarcan una mayor diversidad de círculos sociales, y con una mayor presencia de agujeros estructurales. Al incorporar nuevas dimensiones, tales como el diámetro o la distancia promedio (entre otras), es probable que se reduzca el porcentaje de casos agrupados en categorías de carácter intermedio. En última instancia, este último hecho estaría reflejando la necesidad de mejorar las clasificaciones de redes personales, incorporando nuevas fuentes de variabilidad. Esos son los pasos que nos proponemos dar a continuación, en futuros estudios. En este estudio utilizamos como referencia el barrio de residencia. En futuras investigaciones resultaría de interés explorar el solapamiento de la pertenencia con el nivel del distrito, las ciudades y otras unidades residenciales (Link y Valenzuela, 2018). Igualmente, los barrios colindantes también ofrecen oportunidades para explorar las relaciones intergrupales y los múltiples sentidos de comunidad (Maya Jariego et al., 2023). Este tipo de innovaciones permiten ir más allá del estudio singular de casos que ha predominado en la literatura previa. Más allá de la experiencia subjetiva de comunidad En el estudio psicológico de las comunidades basadas en la localidad de residencia ha predominado el análisis de la experiencia subjetiva. Esto ha permitido comprobar que el sentido de pertenencia al colectivo no sólo tiene un componente simbólico, sino que también se asocia con las necesidades e intereses personales de los miembros del grupo. Del mismo modo, la realización de reuniones, ceremonias y rituales proporciona experiencias de sincronía emocional percibida que podrían contribuir al desarrollo del sentido psicológico de comunidad a largo plazo (Durkheim, 1915; Rimé y Páez, 2023). Sin embargo, en la definición original de Seymour Sarason (1974), la comunidad se concibe como una red de relaciones de apoyo mutuo de la que los individuos pueden depender. De ahí la importancia de ir más allá del componente subjetivo y prestar una mayor atención a los contextos de interacción social Maya-Jariego et al., Vol.36, #1, 2025, 125-133 Revista Hispana para el Análisis de Redes Sociales 132 en los que se genera y se reproduce el sentido de pertenencia. Como hemos mostrado, el estudio de las redes personales proporciona un primer acercamiento a ese respecto. También sería de interés explorar la distribución de la experiencia subjetiva de pertenencia en estructuras de nivel meso-social, recurriendo para ello al análisis de redes completas. Agradecimientos. Esta investigación forma parte del proyecto “Múltiples sentidos de comunidad en barrios colindantes: un enfoque basado en el análisis de las redes personales”, financiado por el Ministerio de Ciencia e Innovación en la convocatoria de Proyectos de Investigación Orientada del Plan Estatal 20212023, (PID2021-126230OB-I00). Una versión previa de este trabajo se presentó en el congreso europeo de redes celebrado en Eslovenia en septiembre de 2023: 7th European Conference on Social Networks (EUSN 2023). REFERENCIAS Bidart, C., Degenne, A., & Grossetti, M. (2018). Personal networks typologies: A structural approach. Social Networks, 54, 1-11. Borgatti, S.P., Everett, M.G. and Freeman, L.C. (2002). Ucinet for Windows: Software for Social Network Analysis. Harvard, MA: Analytic Technologies. Bow, V., & Buys, E. (2003). Sense of community and place attachment: The natural environment plays a vital role in developing a sense of community. In Social Change in the 21st Century 2003 Conference Refereed Proceedings (pp. 1-18). Centre for Social Change Research, School of Humanities and Human Services QUT. Brodsky, A. E., O'Campo, P. J., & Aronson, R. E. (1999). PSOC in community context: Multi‐level correlates of a measure of psychological sense of community in low‐ income, urban neighborhoods. Journal of Community Psychology, 27(6), 659-679. https://doi.org/10.1002/(sici)15206629(199911)27:6%3C659::aidjcop3%3E3.0.co;2-# Buckley, T. D. (2022). A scoping review of psychological sense of community among community-dwelling older adults. International Journal of Environmental Research and Public Health, 19(14), 8395. https://doi.org/10.1093/geroni/igab046.3454 Bulsara, M., Wood, L., Giles-Corti, B., & Bosch, D. (2007). More than a furry companion: The ripple effect of companion animals on neighborhood interactions and sense of community. Society & Animals, 15(1), 43-56. https://doi.org/10.1163/156853007x169333 Davidson, W. B., Cotter, P. R., & Stovall, J. G. (1991). Social predispositions for the development of sense of community. Psychological Reports, 68(3), 817-818. https://doi.org/10.2466/pr0.1991.68.3.817 Dawson, S. (2008). A study of the relationship between student social networks and sense of community. Journal of Educational Technology & Society, 11(3), 224238. https://doi.org/10.1016/j.iheduc.2006.06.007 De Federico de la Rúa, A. (2007). Networks and identifications: A relational approach to social identities. International Sociology, 22(6), 683-699. https://doi.org/10.1177/0268580907082247 Durkheim, E. (1915). The elementary forms of religious life (Swan J. D., Trans.). George Allen & Unwin. (Original work published 1912). French, S., Wood, L., Foster, S. A., GilesCorti, B., Frank, L., & Learnihan, V. (2014). Sense of community and its association with the neighborhood built environment. Environment and Behavior, 46(6), 677-697. https://doi.org/10.1177/0013916512469098 Hill, J. L. (1996). Psychological sense of community: Suggestions for future research. Journal of Community Psychology, 24(4), 431438. https://doi.org/10.1002/(sici)15206629(199610)24:4%3C431::aidjcop10%3E3.0.co;2-t Jason, L. A., Stevens, E., & Ram, D. (2015). Development of a three‐factor psychological sense of community scale. Journal of Community Psychology, 43(8), 973-985. https://doi.org/10.1002/jcop.21726 Link, F., & Valenzuela, F. (2018). La estructura de la densidad socio–residencial en el área metropolitana de Santiago. Instituto de Estudios Urbanos y Territoriales, Pontificia Universidad Católica de Chile, Documentos de Trabajo del IEUT, Núm. 3. Lozares, C., Martí, J., Molina, J. L., & García-Macías, A. (2013). La cohesiónintegración versus la fragmentación social desde una perspectiva relacional. Metodología de Encuestas, 15, 57-75. Maya-Jariego, I. (2018). Why name generators with a fixed number of alters may be a pragmatic option for personal network analysis. American Journal of Community Psychology, 62(1-2), 233-238. https://doi.org/10.5565/rev/redes.853 Maya-Jariego et al., Vol.36, #1, 2025, 125-133 Revista Hispana para el Análisis de Redes Sociales 133 Maya-Jariego, I. (2021). Building a structural typology of personal networks: Individual differences in the cohesion of interpersonal environment. Social Networks, 64, 173-180. https://doi.org/10.1016/j.socnet.2020.09.006 Maya-Jariego, I., & González-Tinoco, E. (2023). Use of a hierarchical deconstruction procedure for the classification of personal networks: Exploring nested groups around you. Social Networks, 73, 20-29. https://doi.org/10.1016/j.socnet.2022.12.005 Maya Jariego, I., González, E. & Muñoz, A. (2023). Frecuentar lugares de barrios colindantes incide en el sentido psicológico de comunidad: estudio de caso en la ciudad de Sevilla. Apuntes de Psicología, 41(3), 137151. https://doi.org/10.55414/ap.v41i3.1550 Maya-Jariego, I., & Holgado, D. (2015). Living in the metropolitan area. Correlation of interurban mobility with the structural cohesion of personal networks and the originative sense of community. Psychosocial Intervention, 24(3), 185-190. https://doi.org/10.1016/j.psi.2015.09.001 Maya-Jariego, I., Letina, S., & Tinoco, E. G. (2020). Personal networks and psychological attributes: exploring individual differences in personality and sense of community and their relationship to the structure of personal networks. Network Science, 8(2), 168-188. https://doi.org/10.1017/nws.2019.15 McCarty, C, (2002). Structure in personal networks. Journal of Social Structure, 3(1):20. McMillan, D. W., & Chavis, D. M. (1986). Sense of community: A definition and theory. Journal of Community Psychology, 14(1), 6-23. https://doi.org/10.1002/15206629(198601)14:1%3C6::aidjcop2290140103%3E3.0.co;2-i Nasar, J. L., & Julian, D. A. (1995). The psychological sense of community in the neighborhood. Journal of the American Planning Association, 61(2), 178-184. Rimé, B., & Páez, D. (2023). Why we gather: A new look, empirically documented, at Émile Durkheim’s theory of collective assemblies and collective effervescence. Perspectives on Psychological Science, 18(6), 1306-1330. https://doi.org/10.1177/17456916221146388 Sarason, S. B. (1974). The psychological sense of community: prospects for a community psychology. San Franscisco: Jossey Bass. Skjaeveland, O., Gärling, T., & Maeland, J. G. (1996). A multidimensional measure of neighboring. American Journal of Community Psychology, 24(3), 413-435. https://doi.org/10.1007/bf02512029 Toohey, A. M., McCormack, G. R., DoyleBaker, P. K., Adams, C. L., & Rock, M. J. (2013). Dog-walking and sense of community in neighborhoods: Implications for promoting regular physical activity in adults 50 years and older. Health & Place, 22, 75-81. https://doi.org/10.1016/j.healthplace.2013.03 .007 Vacca, R. (2020). Structure in personal networks: Constructing and comparing typologies. Network Science, 8(2), 142-167. https://doi.org/10.1017/nws.2019.29 Wood, L., Frank, L. D., & Giles-Corti, B. (2010). Sense of community and its relationship with walking and neighborhood design. Social Science & Medicine, 70(9), 1381-139. https://doi.org/10.1016/j.socscimed.2010.01. 021 Remitido: 27-09-2023 Corregido: 02-04-2024 Aceptado: 04-04-2024 © Los autores