Idea principal

En un wiki de notas construido a partir de libros, cada libro recibe un mapa de lectura que remite a todas las notas que se han sacado de él. En un tema de marketing de 1013 notas alimentado por una veintena de obras, las diez notas más conectadas son todas mapas de lectura: el de Obviously Awesome de April Dunford suma 180 enlaces, el de This is Marketing de Seth Godin, 156.

Ese peso basta para orientar la división automática en grupos. Un algoritmo de detección de comunidades agrupa lo que está densamente enlazado, y lo que está densamente enlazado son las notas de un mismo libro en torno a su mapa. El posicionamiento, que es un solo concepto, acaba repartido en cinco grupos, sobre todo según el libro de origen: Dunford por un lado, Ries y Trout por otro. Los caminos sufren el mismo efecto: el que une el chasm con la disposición a pagar pasa por tres mapas de lectura, lo cual es exacto pero no enseña nada.

Una base clasificada por concepto en sus notas vuelve a ser así, en su grafo, una base clasificada por fuente.

Por qué es importante

Esto muestra que una estructura de navegación no es neutra para el análisis. Un nodo creado para orientar al lector se convierte, para un cálculo de grafo, en el centro de gravedad de todo lo que enlaza, y el mapa que se obtiene dibuja la biblioteca en lugar de las ideas.

También da un ajuste concreto: antes de leer los grupos de un grafo de notas, quitar o aligerar los nodos de navegación, o al menos saber que los grupos encontrados llevan su huella.

Matices y límites

Agrupar por libro no es un error: un autor construye un sistema coherente, y sus ideas están realmente más enlazadas entre sí que con las de otro. El fallo es tomar esa agrupación por un mapa de los conceptos.

Y los mapas de lectura también le hacen un servicio al grafo: enlazan notas que, sin ellos, quedarían aisladas.

Preguntas abiertas

• ¿Qué peso dar a los mapas de lectura en el cálculo para que los grupos sigan a los conceptos?