Gestión de proyectos mediante el análisis de la confianza en redes sociales digitales

Headnote

Resumen: Los nuevos retos en la dirección de proyectos gracias a la globalización, al entorno volátil que se presenta actualmente y a la exposición a redes sociales digitales, hace que las organizaciones se encuentren en una situación en la que se enfrentan a diversas formas de incertidumbre, por lo cual, la confianza es un tema fundamental para la toma de decisiones ya que es un pilar básico para actuar bajo indecisión o ante la presencia de riesgos. El presente estudio plantea un modelo para el análisis de confianza en redes sociales digitales, analizando las menciones y comentarios sobre el proyecto de Hidroituango y su polaridad, así como las implicaciones que tuvo la falta de confianza en dicho proyecto en aspectos ambientales, sociales y económicos, entre otros; encontrando que la confianza fue uno de los factores identificados por EPM como fundamental para mejorar el relacionamiento con las comunidades afectadas.

Palabras clave: Confianza; Gestión de Proyectos; Incertidumbre; Riesgo; Hidroituango

Abstract: The new challenges in the direction of projects thanks to globalization, the volatile environment that is currently presented and exposure to digital social networks, makes organizations find themselves in a situation in which they face various forms of uncertainty, so trust is a fundamental issue for decision making as it is an essential pillar to act under indecision or in the presence of risks. This study proposes a model for the analysis of trust in digital social networks, analyzing the mentions and comments on the Hidroituango project and its polarity, as well as the implications of the lack of trust in this project in environmental, social and economic aspects, among others; finding that trust was one of the factors identified by EPM as fundamental to improve the relationship with affected communities.

Keywords: Trust; Project Management; Uncertainty; Risk; Hidroituango

1. Introducción

Una sociedad cada vez más global e inmersa en las diferentes tecnologías, ha impulsado una gran cantidad de proyectos para implementar nuevos modelos de negocio, productos y servicios que son de naturaleza compleja (Pajares, Poza, Villafañez, & López-Paredes, 2017); es por ello, que debido al mundo tan cambiante, se está prestando mayor atención en la literatura sobre gestión de proyectos al tema de la confianza y la incertidumbre: sus orígenes y cómo afectan a estos, los cuáles se enfrentan a una amplia gama de indecisiones que tienen el potencial de perturbar el logro de sus objetivos, por lo que las amenazas así como las oportunidades deben ser gestionadas proactivamente por el gerente del proyecto (Saunders, F.C., Gale, A.W. and Sherry, 2013).

El manejo sobre la confianza y la certeza en un proyecto está asociado con su éxito, ya que un gerente proactivo busca constantemente dirigir el proyecto hacia el logro de los objetivos deseados mediante un enfoque integrado (Hillson, 2002); no obstante, la práctica común de gestión de proyectos no aborda muchas fuentes fundamentales de incertidumbre, por lo cual, los esfuerzos más sofisticados para reconocer y gestionar importantes fuentes de indecisión son necesarias (Atkinson, Crawford, & Ward, 2006).

Adicionalmente, debido al rápido cambio dinámico de hoy en día y el aumento de la competencia, no es suficiente para tener un buen plan de proyecto contar solamente con un sistema adecuado de monitoreo y control; sino que las organizaciones deben ahora estar preparadas para gestionar los nuevos riesgos e incertidumbres que afronta la gestión de proyectos y hacer algo al respecto (Raz, Shenhar, & Dvir, 2002).

Dentro de una sociedad cada vez más tecnológica e inmersa en las diferentes posibilidades que brinda Internet como canal de interacción y comunicación, surge la necesidad de entidades privadas y estatales de explorar la información contenida en las redes sociales; oportunidad que supone nuevos retos que vienen asociados a nuevos riesgos como el reputacional (Moreno Sandoval & Pantoja Rojas, 2013). La participación en la vida social contemporánea a través de redes se ha vuelto cada vez más compleja; la gente acumula cientos de amigos y conocidos a través de los medios sociales, pero cada vez más, reporta un menor número de amigos u organizaciones en los que puede confiar (Burt, Kilduff, & Tasselli, 2013).

Todo ello está haciendo que las organizaciones empiecen a considerar la necesidad de gestionar recursos para una adecuada identidad digital y reputación de marca. Esto implica el establecimiento de procesos que permitan por un lado, monitorizar la información que circula en la red sobre la propia organización y por otro, establecer pautas efectivas de creación de imagen en los medios sociales, ya que se puede afectar la reputación y confianza en una organización si no se gestiona adecuadamente (Rossetti, Guidotti, Miliou, Pedreschi, & Giannotti, 2016).

Dado que las empresas y por ende sus proyectos tienen ahora presencia en las redes sociales digitales, este artículo se basa en el postulado de que la confianza en dichas redes se construye a partir de las relaciones, las interacciones, la expresión de opiniones, sentimientos, emociones, esto es, estados privados (Wiebe & Wilson, 2002); (Wilson, 2008); (Zaki, 2011) y que los comportamientos de los actores que participan en la red pueden ayudar a determinar la gestión de un proyecto a través de la confianza que se establezca de los mismos en redes sociales. Las decisiones que toma un actor están basadas en la confianza construida sobre la entidad objetivo, cuyos resultados positivos o negativos mantendrán, aumentarán o disminuirán el valor de la confianza (Zhao & Kou, 2014) y por tanto la percepción del éxito de un proyecto.

Por lo anterior y con el fin de analizar como un caso de estudio la detección de confianza en el Proyecto de Hidroituango, se analizan los comentarios y las menciones más relevantes en Twitter, con el fin de identificar la polaridad. En este documento se presenta seis secciones. La segunda sección hace referencia a las definiciones de riesgo e incertidumbre, la tercera al concepto de confianza, la cuarta al modelo para el análisis de la confianza en redes sociales digitales, la quinta al estudio de caso del Proyecto de Hidroituango y la sexta a las conclusiones.

2. Riesgo e Incertidumbre

Todos los procesos y decisiones en el entorno empresarial son aptos para la incertidumbre, lo cual puede verse reflejado en estimaciones y juicios erróneos que pueden afectar un proyecto, por lo cual es necesario monitorear y gestionar la incertidumbre dado que tiene generalmente impactos críticos cuando se expone de manera tardía (Abdel-Basset, Gunasekaran, Mohamed, & Chilamkurti, 2019), por lo que a mayor incertidumbre, las consideraciones de importancia del riesgo aumentan (Atkinson et al., 2006).

Por ello, la gestión de la incertidumbre se considera una condición necesaria para una gestión eficaz de un proyecto; sin embargo se debe tener en cuenta que las fuentes de incertidumbre son muy variadas y tienen un efecto fundamental sobre estos y en las diferentes etapas del ciclo de vida del mismo (Atkinson et al., 2006).

En las organizaciones, hay razones para evitar incertidumbres, ya que pueden poner en peligro el éxito de un negocio o proyecto; pero al mismo tiempo, las incertidumbres se buscan como fuentes de innovación y la capacidad de manejar con flexibilidad la falta de certeza se convierte en una ventaja competitiva (Gudela Grote, 2009).

Por su parte, el riesgo tiene diferentes definiciones: puede ser "una expresión del daño o pérdida potencial asociado con una actividad ejecutada en un entorno incierto" (Bahill & Madni, 2016) o también puede definirse como "Algo que ocurre como resultado de no saber eventos del futuro con precisión" (Abdel-Basset et al., 2019). Sin embargo, independientemente de su definición, aunque hay lineamientos generales para saber cómo se debe gestionar en un proyecto, no hay una manera correcta de hacer un análisis de riesgo; de hecho, la buena gestión de riesgos no evitará que sucedan cosas malas, pero cuando cosas malas suceden, una buena gestión de riesgos las anticipará y reducirá sus efectos negativos (Bahill & Madni, 2016).

Aunque la gestión de riesgos es un proceso formal y ordenado de identificación, análisis y respuesta sistemática de estos a lo largo del ciclo de vida de un proyecto, (Razi, Ali, & Ramli, 2019), no es totalmente controlable debido a que el riesgo aumenta debido al incremento de la incertidumbre y estas incertidumbres crean una brecha entre lo que sucede y lo que ha planeado una empresa (Mansouri & Ikram, 2016).

Adicionalmente, el riesgo es intangible y generalmente los parámetros son difíciles de medir, ya que las estimaciones cualitativas son generalmente descriptivas y no ofrecen una medida precisa (Abdel-Basset et al., 2019). Es por ello que hoy en día, los riesgos se convierten en una parte fundamental de la vida de las personas y organizaciones ya que están involucrados en todo lo que se hace y participa; así que lo importante es la capacidad de los gerentes de proyecto para identificar las fuentes de riesgos endógenos y exógenos y cómo aprovechar estrategias proactivas o predictivas de gestión de riesgos de proyectos (Enyinda, 2016).

3. Confianza

La investigación alrededor de la confianza ha sido objeto de estudio de diferentes áreas del conocimiento como la psicología, la sociología, la filosofía, la economía, la investigación de mercados y las ciencias de la computación, lo que ha dado lugar a una gran variedad de métodos, disciplinas, tradiciones y comunidades interesadas en su estudio durante las últimas décadas (Golbeck, 2009); (Hendrikx, Bubendorfer, & Chard, 2015); (Lik, 2002); (Sherchan & Paris, 2013).

El concepto de confianza es multifacético y complejo y ha sido abordado de muy diversas maneras por lo que no se puede establecer una única definición. Seppänen, Blomqvist & Sundqvist (2007), encontraron cerca de 70 definiciones del concepto en la literatura cuya naturaleza está asociada a la disciplina desde la que se aborda, proponiendo una serie de antecedentes, dimensiones y consecuencias del constructo.

Dado que este estudio está dirigido al análisis de la confianza en redes sociales, se usará la definición propuesta por Nuñez-Gonzalez, Graña, & Apolloni, (2015) para quienes la confianza es considerada el grado de creencia subjetiva acerca de los comportamientos o la información de una entidad particular, entendiendo por entidad cualquier actor de la red social digital incluyendo usuarios u organizaciones cuyos comportamientos son evaluados a través del estudio de los vínculos y del contenido de sus interacciones.

Mcknight & Chervany (2000) identifican tres elementos significativos al tomar una decisión de confianza: competencia (capacidad de dar información precisa), benevolencia (disposición a hacer el esfuerzo) e integridad (adherencia a un comportamiento honesto).

Según Roger Atkinson, Lynn Crawford y Stephen Ward (2006) hay una serie de beneficios relacionados con la reducción de la incertidumbre mediante el uso de la confianza en lugar del control. Estas incluyen:

* Cálculos de riesgo más precisos (a través de más comunicaciones abiertas entre las partes del proyecto).

* Reducción del control de costos (por ejemplo, a través de contrataciones más rápidas y más efectivas),

* Equipos efectivos (a través de una mayor confianza),

* Planificación mejorada (a través de especificaciones estimadas más sensatas).

4. Modelo para el análisis de confianza en redes sociales digitales.

Una red social está conformada en esencia por un conjunto de nodos o actores, los vínculos que se establecen entre ellos y los recursos que comparten expresados, entre otros, en el corpus de sus conversaciones (Scott, 2011). En este marco, la medición de la confianza debe reconocer las características susceptibles de medición en la relación de actores, vínculos y corpus.

Frente a la evolución de plataformas digitales que ha dado lugar a una serie de redes de diversas características, este modelo considera que la confianza en escenarios en línea se construye alrededor de cuatro dimensiones de análisis: (a) el relacionamiento establecido por los actores que la conforman, (b) el valor de las interacciones, (c) el proceso subyacente a dichas interacciones y relacionamientos y (d) el rating o conjunto de calificaciones que reciben las entidades valoradas (ver Figura 1).

El relacionamiento en redes sociales digitales se entiende por el número de actores o nodos (Alteri) con el que un actor (Ego) tiene relación, es decir, el número de seguidores o amigos. Este análisis considera las siguientes características estructurales: grado en el cual los Alteri comparten lazos entre ellos (densidad de la red ego-centrada); los atributos de los egos y sus Alteri; comparación de la densidad de los vínculos a lo largo de la red ego-centrada.(Wasserman & Faust, 1994).

Las interacciones se entienden como las características de los lazos o vínculos que unen a los actores en la red. Existen al menos dos tipos de consideraciones al analizar interacciones en una red social. La primera está asociada por las medidas estructurales asociadas con direccionalidad, como es el caso de centralidad de grado, cercanía y por la reciprocidad en el flujo de información. La segunda, tiene que ver con la identificación de la clase de relación que se establece, donde se mide la fortaleza de los lazos y frecuencia de la comunicación (De Nooy et al., 2005).

El proceso es una dimensión asociada con el sistema, el procedimiento o el producto final bajo el cual se genera confianza en las redes sociales digitales. Es evidente en las redes transaccionales la confianza se construye principalmente por el contenido creado, como es el caso de Youtube o Pinterest.

La dimensión relacionada con calificaciones es quizás una de las más utilizada en los sistemas actuales de reputación o medición de la confianza y está relacionada tanto con los actores como con el corpus. En el primer caso se mide por el número y la frecuencia de likes que recibe el actor. En el ámbito del corpus, la medición de polaridad de los mensajes, se realiza mediante procesamiento automático de aspectos de la gramática y la sintaxis que permiten analizar las dimensiones afectiva, social e individual del lenguaje a través de técnicas de Procesamiento de Lenguaje Natural (PLN).

La Tabla i registra el comportamiento de la confianza de 18 escenarios digitales que se desarrollan en el marco de la relación actores, vínculos, corpus, a partir del cual se clasificaron en cuatro grupos: tipo 1, en el cual predomina el relacionamiento, tipo 2, prepondera la interacción, tipo 3, donde la confianza se da gracias al proceso subyacente y las redes tipo 4 donde las calificaciones determinan la confianza:

La medición de la confianza se ha valido de múltiples métodos provenientes de diversas disciplinas. El modelo propuesto reconoce los avances de las ciencias de la computación en la medición de la relación actores, vínculos, corpus propio de las redes sociales digitales logrados por la investigación propia del análisis de subjetividad colectiva, la cual se nutre de los aportes de dos disciplinas dedicadas al análisis de redes sociales digitales: el análisis de subjetividad (AS) y el análisis de redes sociales (ARS).

Los analistas de redes sociales han dedicado su trabajo a extraer y estudiar el comportamiento estructural de dichas relaciones, estableciendo una serie de métricas según el nivel de análisis: red, actor o vínculo (Freeman, 2004); (Guo, Zhang, & Guo, 2016); (Mislove, Marcon, Gummadi, Druschel, & Bhattacharjee, 2007). Por su parte, los lingüistas computacionales se han concentrado en el análisis del corpus presente en las conversaciones compartidas en redes sociales para analizar opiniones, sentimientos, emociones, y en general, la expresión de estados privados sobre determinadas entidades (Cercel & Trausan-Matu, 2014); (Nguyen, Doğruöz, Rosé, & de Jong, 2016); (Kumar Ravi & Ravi, 2015); (Tsytsarau & Palpanas, 2012).

La arquitectura que se presenta en este artículo, ha sido construida a partir de la identificación de las propiedades y medidas de la confianza registradas en la literatura que tienen directa relación con los análisis propios de las redes sociales digitales tipo 1, es decir aquellas donde la confianza está predominantemente determinada por el relacionamiento, seguido de las interacciones y las calificaciones. La tabla 2 registra las propiedades de la confianza, las medidas y la dimensión del modelo en las que se clasifican dichas medidas en el escenario de las redes sociales digitales.

5.Proyecto Hidroituango

De la página del proyecto Hidroituango1 se tiene que, en el año 2010, "la Sociedad Hidroituango suscribió con Empresas Públicas de Medellin E.S.P (EPM), un contrato tipo BOOMT (Build, Operate, Own, Maintain and Transfer, por sus siglas en inglés), la construcción del proyecto hidroeléctricoItuango, la obra más grande de infraestructura que actualmente se ejecuta en Colombia". Mediante este contrato, EPM entra en la fase de hacer las inversiones requeridas para cubrir las etapas de financiación hasta la entrada en operación. Es así que al cabo de 50 años, EPM hace una transferencia del proyecto hacia la sociedad.

De la misma manera, la página del proyecto informa de forma general la localización de este sobre el río Cauca, en el noroccidente del departamento a unos 170 kilómetros de la ciudad de Medellín. Además, ocupa 12 predios de los municipios del departamento, entre ellos están Ituango y Briceño donde se construyen las obras principales; Buruticá, Liborina, Olaya, Peque, Sabanalarga, San Andrés de Cuerquia, Santa Fe de Antioquia, Toledo, Valdivia y Yarumal conforman los restantes municipios de alcance del proyecto. Al final, esta central tiene una proyección de cubrir el 17% de la demanda actual de energía del país equivalente a los 2.400 MW que este generará cuando empiece a operar comercialmente.

Este proyecto ha tenido reiteradas dificultades debido a su inestabilidad, sumado a las importantes consideraciones y repercusiones políticas debido a las afectaciones ambientales y la vulneración de los derechos de las comunidades, puesto que el muro de contención no ofrece garantías y existe la posibilidad de que el río se vuelva a desbordar como lo señalan diferentes expertos y medios de comunicación como se muestra en la Figura 2.

Para dicho proyecto se realizó un análisis estructural de redes sociales para identificar la polaridad de los comentarios realizados en mayo y junio de 2018 analizando una muestra de 1238 Tweets que presentan en la Tabla 3 con la siguiente polaridad:

A continuación, se encuentran la red de comentarios y menciones en Twitter del proyecto Hidroituango, la opinión de diferentes actores tanto políticos, académicos, humoristas e incluso de sectores como el camionero.

Sin embargo, esto no indica que polaridad tienen los comentarios ni su repercusión en el tema de confianza y reputación de dicho proyecto, por lo que inicialmente se identificaron los seguidores y se agruparon de acuerdo con los comentarios realizados como se muestra en la Figura 4.

Sobre los clústeres identificados se calculó la polaridad de los comentarios como se muestra en la Figura 5. El color verde corresponde a comentarios positivos, el color rojo a comentarios negativos y el color gris a comentarios con polaridad neutra.

Se observa una concentración de comentarios principalmente con polaridad negativa en la parte superior y en el centro del gráfico; sin embargo, no solo es necesario saber qué tipo de polaridad tienen los comentarios sino saber la polaridad de los actores que mencionan, por lo que se obtiene la Figura 6, encontrando una gran concentración de menciones a Gustavo Petro quien ocupó el segundo lugar en las elecciones presidenciales en Colombia para el periodo 2018-2022.

La Figura 7 identifica la relación entre las menciones y los comentarios sobreponiendo las primeras sobre las segundas.

La falta de credibilidad y confianza en el proyecto Hidroituango hizo que EPM informara que en el año 2018 su endeudamiento aumentó a 20,8 billones. La Revista Dinero2 en febrero de 2019, indicó que en el proyecto "los cálculos iniciales señalan que tendrá un retraso de 3 años y recuperarlo puede tener un costo que varía entre $1,5 billones y $2 billones". Adicionalmente, la calificadora Fitch Ratings se convirtió en el primer organismo internacional en reaccionar frente a la crisis de Hidroituango y decidió degradar la calificación crediticia de Empresas Pública de Medellín (EPM) de BBB+ a BBB3.

Por lo anterior, EPM adelanta un plan para recuperar la confianza en el proyecto Hidroituango mediante el convenio "Ambiente para la vida" firmado entre Empresas Públicas de Medellín y la Fundación EPM como lo registró el noticiero RCN radio en su portal digital4. En este portal, se menciona el desarrollo del convenio en los municipios de Tarazá, Cáceres, Nechí, Caucasia, Valdivia e Ituango y que pretende adicionalmente mejorar la relación de las poblaciones con el río Cauca, comprendiendo procesos de educación, relacionamiento, gestión social e intervención de infraestructura en servicios públicos domiciliarios, donde las comunidades participarán en talleres, encuentros educativos y visitas domiciliarias.

Adicionalmente, El Plan Integral Hidroeléctrica Ituango es un acuerdo que une las voluntades y los esfuerzos de la Gobernación de Antioquia, el IDEA, la Alcaldía de Medellín, EPM y la Sociedad Hidroeléctrica Ituango para transformar la zona de influencia del proyecto y mejorar las condiciones de vida de sus habitantes, convocando a la participación ciudadana y al aprovechamiento de los recursos humanos y naturales del territorio.

6.Conclusiones

Los resultados de esta investigación empírica muestran que sobre fenómenos que ocurren en la gestión de proyectos y la confianza en los mismos, puede influir el contexto de las redes sociales digitales a través del análisis de los comentarios y menciones encontrados en la red de Twitter y su polaridad, por lo que la implementación de métodos y técnicas de AS y ARS permiten explotar el potencial del contenido disponible en la web.

El comportamiento colectivo subyacente a las redes sociales tiene un crecimiento exponencial, lo cual es sin duda una fuente de conocimiento que debe investigarse más a fondo y la aplicación e integración de técnicas computacionales avanzadas que exploran el potencial del análisis estructural de redes sociales puede ser un camino para avanzar en propósitos como la identificación de la confianza en las empresas y sus proyectos.

El estudio de la evolución del Análisis de Redes Sociales (SNA) y el análisis de la subjetividad, permite observar la notable incidencia que ha tenido en su desarrollo, disciplinas naturalmente enfocadas en el comportamiento humano y en el estudio de las organizaciones. La gestión de proyectos puede verse afectada por los comentarios en redes sociales y depende del análisis de confianza que se pueda evaluar para la toma de decisiones.

Para el proyecto analizado sobre Hidroituango se encuentra que la confianza fue uno de los factores identificados por EPM como fundamental para mejorar el relacionamiento con las comunidades afectadas y por eso adelanta el convenio "Ambiente para la vida" y otros convenios firmados con la Gobernación de Antioquia, la Alcaldía de Medellín, entre otros. La influencia de actores de diferentes ámbitos en redes sociales tuvo una repercusión en su reputación e imagen, lo cual se ve traducido también en el aumento de tiempo del proyecto y sobrecostos.

Agradecimientos

Este documento se realizó gracias al trabajo conjunto del Grupo Internacional de investigación en informática Comunicaciones y Gestión del conocimiento (GICOGE) de la Universidad Distrital Francisco José de Caldas y del grupo de Investigación LUMON LV TECH.

Footnote

1 https://www.hidroituango.com.co/proyectos/proyecto-hidroelectrico-ituango/38

2 https://www.dinero.com/edicion-impresa/negocios/articulo/impacto-economico-de-hidroituango-en-epm/261022

3 https://www.laopinion.com.co/economia/hidroituango-le-resta-confianza-epm-155755#OP

4 https://www.rcnradio.com/colombia/antioquia/epm-adelanta-plan-para-recuperar-la-confianza-en-el-proyecto-hidroituango

References

Referencias

Abdel-Basset, M., Gunasekaran, M., Mohamed, M., & Chilamkurti, N. (2019). A framework for risk assessment, management and evaluation: Economic tool for quantifying risks in supply chain. Future Generation Computer Systems, 90, 489-502. https://doi.org/i0.i0i6/j.future.20i8.08.035

Atkinson, R., Crawford, L., & Ward, S. (2006). Fundamental uncertainties in projects and the scope of project management. International Journal of Project Management, 24(8), 687-698. https://doi.org/io.ioi6/j.ijproman.20o6.09.oii

Bahill, A. T., & Madni, A. M. (2016). Risk Analysis and Management. In Tradeoff Decisions in System Design. https://doi.org/i0.i007/978-3-3i9-437i2-5

Burt, R. S., Kilduff, M., & Tasselli, S. (2013). S OCIAL N ETWORK A NALYSIS: Foundations and Frontiers on Advantage. https://doi.org/i0.ii46/annurev-psych-ii30ii-i43828

Cercel, D.-C., & Trausan-Matu, S. (20i4). Opinion Propagation in Online Social Networks: A Survey. Proceedings of the 4th International Conference on Web Intelligence, Mining and Semantics (WIMS14), ii:i-ii:i0. https://doi. org/i0.ii45/26ii040.26ii088

David Nuñez-Gonzalez, J., Graña, M., & Apolloni, B. (20i5). Reputation features for trust prediction in social networks. Neurocomputing, 166, i-7. https://doi. org/i0.i0i6/j.neucom.20i4.i0.099

Enyinda, C. I. (2016). Quantitative Risk Analysis for International Project Management and Programs in an Emerging Economy. https://doi.org/i0.i007/978-3-3i9-43434-6_69

Freeman, L. C. (2004). The development of social network analysis. https://doi. org/i0.i0i6/j.socnet.2005.0i.0i0

Golbeck, J. (2009). Introduction to Computing with Social Trust. https://doi. org/i0.i007/978-i-84800-356-9

Gudela Grote. (2009). Management of Uncertainty. Theory and Application in the Design of Systems and Organizations.

Guo, S., Zhang, G., & Guo, Y. (2016). Social Network Analysis of 50 Years of International Collaboration in the Research of Educational Technology. Journal of Educational Computing Research, 53(4), 499-5i8. https://doi.org/i0.ii77/0735633ii56iiii4

Hendrikx, F., Bubendorfer, K., & Chard, R. (20i5). Reputation systems: A survey and taxonomy. Journal of Parallel and Distributed Computing, 75, i84-i97. https:// doi.org/i0.i0i6/j.jpdc.20i4.08.004

Hillson, D. (2002). Extending the risk process to manage opportunities. Retrieved from www.elsevier.com/locate/ijproman

Lik, M. (2002). Computational Models of Trust and Reputation: Agents, Evolutionary Games, and Social Networks. https://doi.org/i0.9734/AJOB/20i8/38596

Mansouri, F., & Ikram, E. A. (2016). A Modeling Frameworkfor the Moroccan sociolect recognition used on the social media. i-5.

Mcknight, D. H., & Chervany, N. L. (2000). Association for Information Systems AIS Electronic Library (AISeL) What is Trust? A Conceptual Analysis and an Interdisciplinary Model What is Trust? A Conceptual Analysis and An Interdisciplinary Model. Retrieved from http://aisel.aisnet.org/ amcis2000%5Cnhttp://aisel.aisnet.org/amcis2000/382

Mislove, A. ., Marcon, M. ., Gummadi, K. P. ., Druschel, P. ., & Bhattacharjee, B. . (2007). Measurement and analysis of online social networks. Proceedings of the ACM SIGCOMM Internet Measurement Conference, IMC, 29-42. https://doi. org/10.1145/1298306.1298311

Moreno Sandoval, L. G., & Pantoja Rojas, L. M. (2013). Analytics applied to the study of reputational risk through the analysis of social networks ( Twitter ) for the El Dorado airport in the city of Bogotá ( Colombia ).

Nguyen, D. ., Doğruöz, A. S. ., Rosé, C. P. ., & de Jong, F. . (2016). Computational sociolinguistics: A survey. Computational Linguistics, 42(3), 537-593. https://doi. org/10.1162/COLI_a_00258

Pajares, J., Poza, D., Villafañez, F., & López-Paredes, A. (2017). Project Management Methodologies in the Fourth Technological Revolution. https://doi. org/10.1007/978-3-319-55889-9_7

Ravi, K.a b, & Ravi, V. . (2015). A survey on opinion mining and sentiment analysis: Tasks, approaches and applications. Knowledge-Based Systems, 89, 14-46. https://doi.org/10.1016/j.knosys.2015.06.015

Ravi, Kumar, & Ravi, V. (2015). A survey on opinion mining and sentiment analysis: Tasks, approaches and applications. In Knowledge-Based Systems (Vol. 89). https://doi.org/10.1016/j.knosys.2015.06.015

Raz, T., Shenhar, A. J., & Dvir, D. (2002). Risk management, project success, and technological uncertainty. R and D Management, 32(2), 101-109. https://doi. org/10.1111/1467-9310.00243

Razi, P. Z., Ali, M. I., & Ramli, N. I. (2019). Overview of analytical hierarchy process decision making method for construction risk management. IOP Conference Series: Earth and Environmental Science, 244(1). https://doi.org/10.1088/17551315/244/1/012034

Rossetti, G., Guidotti, R., Miliou, I., Pedreschi, D., & Giannotti, F. (2016). A supervised approach for intra-/inter-community interaction prediction in dynamic social networks. Social Network Analysis and Mining. https://doi.org/10.1007/s13278016-0397-y

Saunders, F.C., Gale, A.W. and Sherry, A. H. (2013). Understanding Project Uncertainty in Safety-critical Industries. PMI Global Congress, 22-25th April, Istanbul, Turkey, (April), 1-13. Retrieved from http://fionasaunders.co.uk/wp-content/ uploads/2013/04/Understanding-Project-Uncertainty-in-Safety-criticalIndustries.pdf

Scott, J. (2011). Social network analysis: developments, advances, and prospects. Social Network Analysis and Mining, 1(1), 21-26. https://doi.org/10.1007/s13278-0100012-6

Seppänen, R., Blomqvist, K., & Sundqvist, S. (2007). Measuring inter-organizational trust-a critical review of the empirical research in 1990-2003. Industrial Marketing Management, 36(2), 249-265. https://doi.org/10.1016/j.indmarman.2005.09.003

Sherchan, W., & Paris, C. (2013). A Survey of Trust in Social Networks. 45(4), 1-33.

Tsytsarau, M., & Palpanas, T. (2012). Survey on mining subjective data on the web. Data Mining and Knowledge Discovery, 24(3), 478-514. https://doi.org/10.1007/ s10618-011-0238-6

Wasserman, S., & Faust, K. (1994). Social Network Analysis: Methods and Applications. In Sociology The Journal Of The British Sociological Association. https://doi. org/10.1525/ae.1997.24.1.219

Wiebe, J., & Wilson, T. (2002). Learning to disambiguate potentially subjective expressions. Proceedings of the 6th Conference on Natural Language Learning Volume 20 (COLING-02), 20, 1-7. https://doi.org/10.3115/1118853.1118887

Wilson, T. A. (2008). FINE-GRAINED SUBJECTIVITY AND SENTIMENT ANALYSIS : RECOGNIZING THE INTENSITY, POLARITY, AND ATTITUDES OF PRIVATE STATES by Theresa Ann Wilson Master of Science, University of Pittsburgh, 2001 Submitted to the Graduate Faculty of School of Arts and Sci.

Zaki, M. J. (2011). Social Network Data Analytics. https://doi.org/10.1007/978-14419-8462-3

Zhao, Y., & Kou, G. (2014). Bounded confidence-based opinion formation for opinion leaders and opinion followers on social networks. Studies in Informatics and Control, 23(2), 153-162.